视频中的人体行为识别是近年来计算机视觉领域研究最多的课题之一,它有着广泛的应用价值,如：人机互动,智能监控和公共安全等。虽然很多研究人员针对不同的应用场合提出了相应的识别算法,但是算法的识别效果会受到背景噪声,自身遮挡等的影响,识别效果并不理想。为了解决现存的问题,我们对国内外视频中的人体行为识别算法进行了研究和改进,主要思想是从时空特征出发,先研究改进了运行速度较快的基于整体时空特征的算法,然后重点改进了基于局部时空特征的行为识别算法,具体内容如下：(1)全局时空特征提取方面,重点研究了基于整体轮廓特征的MEI-MHI算法,并对其进行了改进。原有基于运动人体MEI-MHI的识别方法,虽然有较快的运行速度,但是在实验中,马氏距离的效果并不好,我们根据数据特征,对分类器进行了改进,效果得到提升。(2)在局部时空特征提取方法中,主要研究分析了3D-Harris和Dollar两种提取方法,并且根据实验中遇到的问题,对最常用的Dollar算子进行了改进,更有利于有效特征点的检测。(3)讨论了采用局部时空特征点周围梯度信息来提取特征描述子和3D-SIFT提取特征描述子两种方法,并且将场景分割的词袋法和PLSA思想应用到了行为识别中,识别结果有了较大的改进。以上介绍的算法和实验都是在PC上用MATLAB R2009b编程实现的,主要是以KTH数据库进行实验,通过算法的实现结果分析,证明了本文提出的算法能够很好的对视频中的人体行为进行识别。