视频中人体行为的描述与识别越来越成为世界关注的重点,随着“智慧城市”规划的推进,越来越多的相关应用产品走进我们的生活,微软kinect产品,智能监控等,人体行为的描述与识别技术产业化已初见端倪然,而人体行为描述与识别技术至今仍存在一定瓶颈,对环境敏感度高,运算复杂,在一定程度是阻碍了其应用和推广,这也成为本文的直接动力。基于这种原因,本文选取了人体行为描述和识别这两个重点问题加以研究。首先,本文是基于可分割和识别的行为主体为研究对象,即可以从视频帧中首先定位出人体区域。本文研究分为两个部分——人体行为的描述、人体行为的识别。人体区域的检测是对其研究的总的前提,人体目标检测结果的优劣直接影响后续工作的进行,在本文中,主要利用背景减除法实现人体区域的检测。本文的研究着重于分析目标区域的轮廓信息,从而提取出人体的行为信息。本文的核心工作主要集中于如何利用人体的轮廓信息描述其具体行为。本文分析了基于freeman链码的人体行为描述算法,研究了freeman链码的归一化、一阶差分化,采用标准化的人体行为轮廓的拐点序列、拐点间的长度序列和夹角序列的核心技术,给出了人体行为轮廓曲线的匹配周期,从而给出人体行为的运动周期。完成了对“走路”、“跑步”、“拳击”、“挥臂”、“拍手”、“慢跑”六个动作描述的软件设计及实现方案。同时研究了利用支持向量机对提取的人体行为特征进行识别,选取10组动作作为测试集,实现了对六种人体行为进行有效的识别。经实验证明,基于freeman链码的人体行为描述和基于支持向量机的人体行为识别可以快速的对行为动作进行特征提取,所提取的特征能有效的代表其对应行为且能够被有效的识别,在人体行为分析方面具有一定的参考价值。