基于视觉的人体行为识别是计算机视觉领域的一个研究热点,在智能视频监控、人体运动分析、自然人机交互、虚拟现实以及视频编码与传输等领域具有广泛的应用前景和经济价值,因此备受研究者的关注。由于人体运动自身的复杂性以及外界环境的多样性,使得人体行为识别(HAR)具有一定的挑战性。目前对人体行为的研究还处于初级阶段,有待进一步的研究和学习。本文围绕基于视觉的人体行为识别的相关问题展开研究,主要包括运动目标提取、特征提取以及人体行为识别算法三个方面。运动目标提取是基于视觉的人体行为识别的研究基础,本文首先对视频做分帧、灰度化等预处理,采用背景差分法对图像序列进行检测,提取人体二值图像,并利用数学形态学对二值图像中存在的孔洞和噪声点进行相应的处理,以人体最小外接矩形的高为边长,提取感兴趣的人体运动区域(ROI)。在此基础上,重点研究特征提取方法和人体行为识别算法,本文采用基于外形特征与运动特征相结合的方法对人体行为进行特征提取。利用主成份分析(PCA)对ROI进行降维,得到人体外形特征。通过计算人体高宽比、姿态变化率以及运动速率得到人体运动特征。然后,本文采用基于聚类的径向基函数(RBF)神经网络算法对人体行为进行分类和识别,采用交叉验证的方法对算法进行评估。本文选取Weizmann数据库中的五种人体行为作为实验数据集,在MATLAB R2008b环境下对人体行为识别系统进行了实验仿真,通过对实验结果的分析,证明了算法的有效性。