在人之間的人際交互過(guò)程中，視覺(jué)是最重要的信息，可以幫助人們迅速獲得一些關(guān)鍵特征和事實(shí)。在智能視頻監(jiān)控、異常動(dòng)作識(shí)別、人機(jī)交互和虛擬技術(shù)等領(lǐng)域有廣泛的應(yīng)用價(jià)值。當(dāng)前階段，目前人體動(dòng)作識(shí)別方面的研究主要集中在三個(gè)方面：動(dòng)作人體的結(jié)構(gòu)分析、人體動(dòng)作目標(biāo)的跟蹤、基于圖像序列的動(dòng)作識(shí)別。而這三個(gè)方面各自支撐，本課題研究的重點(diǎn)則在于圖像序列的識(shí)別部分。人體行為識(shí)別的方法主要有基于全局時(shí)空的模板匹配和基于時(shí)序建模的狀態(tài)空間兩種方法。基于狀態(tài)空間模型中最具有代表性的則是隱馬爾可夫模型（HMM），狀態(tài)法的優(yōu)點(diǎn)是穩(wěn)定性較高，但是計(jì)算復(fù)雜度比較高。基于模板匹配的方法則計(jì)算復(fù)雜度較低，但是容易被陰影，視角所影響。文獻(xiàn)使用了檢測(cè)跟蹤的辦法，對(duì)人體動(dòng)作進(jìn)行跟蹤，取得了較好的效果，但是沒(méi)有考慮各肢體的相關(guān)運(yùn)動(dòng)方向。文獻(xiàn)提出了，用基于矩形的片圖模型（Picto－ rial Structure）對(duì)人體姿勢(shì)進(jìn)行描述，取得了較好的結(jié)果。本文在文獻(xiàn)的基礎(chǔ)上，使用矩形骨架描述人體姿勢(shì)，并提取結(jié)合各肢體方向的運(yùn)動(dòng)特征， 最后結(jié)合動(dòng)態(tài)時(shí)間規(guī)整算法 （DTW）對(duì)動(dòng)作序列進(jìn)行識(shí)別。實(shí)驗(yàn)數(shù)據(jù)庫(kù)使用了 Weizmann 數(shù)據(jù)庫(kù)，并取得了較滿意的識(shí)別效果。