人物的目标检测和动作识别都是计算机视觉理解领域的重要应用,随着智能化社会的发展,人们对生活安全的高度警惕和重视,该课题逐渐吸引了更多的研究人员。但是由于在动作识别中其背景、动作及过程的复杂性,该课题同样极具挑战性。本文的主要目的是在背景较为简单的前提下实现目标检测并对走路,挥手,慢跑,拳击,击掌,跑步六种动作进行正确识别。针对目标检测,本文研究了背景减除法,帧间差分法和光流法三种常用的方法,结合拍摄视频的背景和三种方法的优缺点选取背景减除法作为本文的最终目标检测方法。针对背景减除法中混合高斯模型方法的不足,提出了一种先将前景去除再进行背景建模的特征点稀疏光流场的方法。实验证明,该方法可以有效地去除改进之前背景建模中由于运动目标前景区域的遮挡引起的阴影问题,从而明显提高检测准确率。进行前景分割后,对目标区域进行特征提取并进行动作的分类识别。本文重点研究了基于时空特征兴趣点的方法,利用该方法进行特征提取后进行特征描述,然后利用词袋模型进行行为建模,最后采用KNN算法进行模型训练和最终的动作测试识别。本文的实验在KTH行为数据库上进行实验测试,结果表明,本文提出的方法能够提取理想的特征向量并得到良好的识别效果,初步验证了该系统的有效性,为实际应用提供了理论基础和实验基础。