人类行为识别用于自动检测并识别视频内人类执行的行为。应用包括视觉监控，人类与计算机交互和机器人智能。监控应用的一个例子是监测大型公共区域的系统，如机场的可疑活动。人类与计算机交互时，计算机可以被简单的人类行为控制。例如，胳膊的一个动作可能指导计算机旋转一个正在显示的三维模型。人类行为识别还是与人类交互的智能机器人的一项重要能力。一般的人类行为识别方法可被归入两类：基于追踪的和不使用追踪的。不使用追踪的方法通常不能识别复杂的动作，这里人体不同部位的活动都是重要的。基于追踪的方法使用人体不同部位的动作，功能更强大但是计算费用更昂贵，使得这个方法不适用于要求实时响应的应用。本文提出一个新的人类行为识别的方法，能够学习多种人类行为并之后以一种有效的方式识别这些行为。在本方法中，通过追踪人体上的一个或多个关键点形成动作轨迹。尤其是追踪手和脚上的点。用曲线拟合每个动作轨迹，可以平滑噪音并形成一个连续的并可辨别的曲线。然后通过检测曲率峰值点，动作曲线被分割为基本动作片段。为了识别一个基本动作，创建一个曲线特征向量描述动作，这个向量在使用主成分分析方法训练期间被映射到特征空间，通过使用K最近邻决策规则指出与已学习行为最相似的行为。本文的方法简化行为识别的要求，只需要追踪被试者身体上的几个点。结果表明，通过追踪几个点得到的动作曲线足够识别多种人类行为，并得到很高的准确度。此外，本方法通过识别详细的基本动作，如脚步，可以改进其他方法的识别能力，同时与以前的方法相比，引进高效率的追踪与识别。识别基本动作允许一个高层次的识别器，通过使用已提出的系统作为低层次识别器，来识别更复杂的或复合的行为。