随着人机交互、虚拟现实、视频智能监控、医疗诊断和监护以及运动分析等诸多领域的不断发展,人体行为识别技术也得到迅猛的发展,成为计算机视觉领域的研究热点。现如今拥有十分广阔的应用前景和非常可观的经济价值。本文利用人体骨骼帧数据,研究了人体行为表示方法和人体行为识别问题,主要工作如下:1)在人体行为识别中,如何构建精准的行为描述特征向量是研究的关键。本文利用Kinect获取人体20个主要关节点的三维坐标,利用关节点坐标对人体骨骼进行建模,构造人体结构向量,然后取向量间的向量角(关节角度)作为人体行为特征向量元素,进行行为描述。2)重点研究了基于动态时间规整算法(dynamic time warping,DTW)和改进的BP(Back Propagation)神经网络的人体行为识别算法。对于DTW算法,由于在算法中选用不同的距离算法进行行为识别会产生不同的结果,因此本文分别选用了具有代表性的欧式距离、马氏距离和卡方检验法进行研究。对于BP神经网络,为了提高网络的效率,加强网络的泛化能力,本文利用两种方法优化了实验中的训练数据。首先根据人体标准比例对垃圾数据进行剔除,然后用因子分析法对训练数据进行降维。3)最后针对提出的两种人体行为识别方法,设计了不同的实验进行验证。通过大量的实验,研究了在DTW算法中三种距离算法的优缺点和适用性。针对改进的BP神经网络的实验,验证了了本文采用的改进的BP神经网络方法可以取得优良的识别效果。表明了本文采用的行为表示和两种行为识别方法的可行性和有效性。