作为一种不需要太多技巧的犯罪行为,超市偷窃行为几乎每时每刻都在发生着,本文通过研究基于视频的超市偷窃行为自动识别方法,试图为超市偷窃行为检测提供一种省时省力的解决方案。论文通过异常行为检测和人体行为识别两个研究方向研究了如何来识别超市偷窃行为。本文的主要研究内容包括以下三点。1、本文首先提出了一种通过手部位置识别超市人体异常行为的方法,该方法通过将超市顾客行为定义为查看商品、取商品、放回商品和藏匿商品四个状态,通过基于手部位置的判断来检测顾客行为状态的变迁,实现对偷窃行为的识别。对于手部位置的识别和跟踪,本文首先通过手部肤色和动作特征对手部位置进行了精确定位,然后通过一种区域统计的方法对手部小目标进行了跟踪,实验表明该方法可以准确的检测出手部位置。而对于超市偷窃行为的检测策略,本文设定查看商品为顾客初始状态,通过手部位置和购物篮位置来判断当前顾客行为转换。当顾客手部位置移动到货架区域时认为顾客正在取商品,而当顾客取商品后,如果顾客手部位置移动到篮子位置和返回货架位置时,认为当前顾客正在放回商品。如果顾客为取商品状态而当前手部位置跟踪结果丢失则认为顾客正在藏匿商品。查看商品、取商品和放回商品为正常购物行为,而藏匿商品则是异常偷窃行为。实验结果表明,这种方法可以很好的对藏物于身和藏物于包的偷窃行为进行识别。2、针对超市偷窃异常行为,本文还提出了一种基于视线估计的超市人体异常行为识别方法。该方法首先通过肤色分割确定人脸的大致区域,然后采用基于灰度投影与边缘特征检测相结合的方法对人眼进行精确定位,再通过水平灰度投影对瞳孔的位置进行标定,通过人眼中心点和瞳孔位置进行视线估计,可以准确的检测出估计出当前人眼的视线方向,通过检测斜视现象和视线转移可以对伴随有东张西望行为的超市人体异常行为进行检测。3、在人体行为识别的研究方向上,论文提出了一种基于姿态-动作模型的藏匿商品动作的识别方法,该方法对视频序列定义了一个姿态-动作模型来表示当前顾客的行为动作,通过分类器的训练和分类来实现对藏匿商品动作的识别,该方法可以有效的区分顾客的正常行走动作、正常购物行为和偷窃异常行为,具有比较广泛的通用性。