近年来,计算机视觉作为一门新兴学科发展十分迅速,人体行为识别作为视频分析和理解的关键技术,重要的学术价值、潜在的商业价值和巨大的应用前景使其迅速成为计算机视觉领域研究的热点和难点,已广泛应用于视频检索、智能监控、机器人导航、智能交通及游戏娱乐等人机交互领域,越来越多的学者和机构在相关方面相继进行了大量的研究工作。小波变换的多分辨率分析能力和优秀的时频分析特性使得众多学者将其应用在人体行为识别领域中,但目前小波变换在行为识别中存在着时空信息提取不充分、特征描述不足等问题,本文对已有的研究成果进行分析和总结,将运动轨迹提取引入小波域的行为识别,并构建了三种小波域特征,主要工作包括以下内容:(1)提出基于空时可分离三维平稳小波变换的轨迹提取算法。针对目前基于小波的行为识别算法空时信息提取不充分的问题,本文将轨迹提取的思想引入到小波域的行为识别中,通过基于熵的加权融合以及基于能量阈值的兴趣点提取,对无关的运动信息进行滤除,旨在降低背景和噪声的干扰,兴趣点的匹配跟踪可以进一步对兴趣点进行筛选,有效完成视频中时空运动信息提取。而针对小波变换较少用于复杂背景数据集的情况,使用基于小波变换的背景减除方法,结合前景的局部空时相关性,有效的抵抗了相机抖动、亮度变化等因素的影响。此外采用空时可分离的平稳小波变换可以在增加算法平移稳定性的同时,在一定程度上降低算法复杂度。(2)构建三种沿轨迹的小波域特征。首先针对常用的小波系数能量特征判别性不足的问题,构建了方向能量直方图特征。该特征对不同方向的系数分别统计其局部能量直方图,增强了特征的鉴别力。然后基于前人发现的小波系数间所存在的相互依赖性,构建三维的小波系数子带间互信息特征和小波共现直方图特征,分别对小波不同子带间的依赖关系进行定量和定性的分析,更好的挖掘和描述小波系数中包含的运动信息。此外,以上三种特征都是在沿轨迹弯曲的立方体中构建,对行为视频中的局部运动信息描述更有力。为了验证本文行为识别方法的有效性,分别在四个数据库上进行实验并与已有研究成果进行了对比。从实验结果可以看出本文行为识别方法提高了行为识别准确率。