目前,人体行为识别技术已经成为计算机视觉领域极具挑战力的一个方向。视频中行为识别与图像中行为识别最大的不同之处在于视频不仅包含了时序上的信息,而且需要巨大的计算量支撑。而该技术还受到许多外在因素的影响,如视频动态背景居多、相机视角多变以及光照变化等等。随着科学技术的快速发展,以及芯片计算能力的加强,如今基于计算机视觉的人体行为识别技术越来越受到科研人员的关注。本文首先对朴素贝叶斯与半朴素贝叶斯分类算法在图像识别上进行了算法性能比较,利用高斯模糊、灰度化处理、二值化处理等方式对图像内容进行特征提取,然后训练两种分类器进行识别比较。实验结果表明,在图像识别上半朴素贝叶斯相比朴素贝叶斯算法有较好的识别效果。随后,本文提出了一种基于DT与Semi-NBC混合的方法。基本思想是利用光流来提取视频中的人体运动轨迹信息,本文再从轨迹信息中提取一些特征描述符,如HOG、HOF、MBH。其中HOG描述视频中的静态外观信息,HOF描述视频中的局部运动信息,而MBH是计算光流的梯度值。本文对提取的特征使用Fisher Vector编码,基于编码的结果使用半朴素贝叶斯分类器训练识别分类。实验结果表明,本文提出的基于DT与Semi-NBC混合算法与DT算法相比较,在视频识别任务中有效的提高了识别精度。