本文采用容积特征有效地分析视频。通过在视频的光流上计算容积特征实现了一个基于视频的人体动作检测系统。容积特征是静态图像的Harr特征在三维上的扩展,它继承了Harr特征计算简单方便等特点。在静态图像上,通常采用积分图的方法快速计算Harr特征,与这种方法相似的是,本文使用积分视频的方法加速容积特征的计算。为了达到实时的要求,本文采用AdaBoost算法。AdaBoost算法不需要对人体动作建模,而是以大量的训练样本训练级联分类器。采用级联分类器的思想能够加快检测速度。本文所采用的方法解决了传统的使用兴趣点进行动作检测的一些问题,比如在一些视频帧中兴趣点不足。实验表明,运用容积特征和AdaBoost,方法训练所得到的动作检测器可以在空间和时间上对视频进行快速遍历。在保证检测效果良好的前提下,可以满足实时的要求。并且这种方法对视频中视角的变化、焦距的变换以及不同运动频率等情况具有鲁棒性,取得了较高的检测率和较低的误检率。本系统在KTH人体动作数据库上表现良好,达到了鲁棒性的要求。