本文主要针对视频场景中人体交互行为中的显著特征进行提取、贝叶斯分层网络抽象特征与异常交互行为分析与检测方法进行研究。目的在于识别视频场景中的两人参与的人体交互行为并准确检测出视频场景中的人体异常交互行为。通过研究与实验,本文提出了用于视频场景中的人体交互行为识别与异常行为检测的分层识别框架。实验结果表明,本文的算法框架实现了对视频场景中人体异常交互行为的检测,并相较于其他算法在准确率和敏感度上有一定程度的提升。具体研究内容如下:(1)研究了视频场景中,两人交互行为的特点与人体部位对交互行为的影响。由于两人交互行为中,人体部位在交互行为中的状态变化对交互行为是否异常具有重要影响。因此,本文针对两人交互行为中的人体部位,提出了分等级融合分割框架。通过将前景提取算法进行改进,然后将该算法用于提取出整个人体前景。然后进行像素等级、图像块等级和对象等级三个等级的融合。通过各个层次的融合最终将人体分割成为头部、上半身、下半身三个人体部位。(2)针对交互行为中人体部位的姿态进行研究,提出一种基于分层框架的人体姿态识别算法。首先通过椭圆和凸多边形对人体部位进行建模并提取特征。然后通过使用分层贝叶斯网络进行逐层抽象估计,生成人体各个部位的姿态估计序列,然后将各个人体部位的姿态进行组合,作为特定时刻下人体的姿态,建立起底层模型与视频图像语义描述之间桥梁。(3)研究人体交互行为的识别方法,针对异常交互行为的特点,提出了一种基于隐马尔可夫模型的人体异常交互行为检测算法。首先,在获取到姿态估计序列之后,使用隐马尔可夫模型对含有时间信息的观测序列进行建模训练。然后输入测试视频集验证是否能够生成对于人体交互行为的描述。最后,划分异常交互行为类别,统计生成结果。通过设置评价指标,将本文的实验结果与其他方案进行比较,验证了本文提出的分层识别的框架算法的有效性。