近些年,关于人体行为的识别研究开始成为了计算机视觉领域的一个热门课题。它不仅可以应用到公共场所中的视频监控或视频检索系统里,而且随着智能机器人研究技术的发展和成熟,人体行为识别也成为人机交互的一个重要技术应用,它是搭建人类与机器人交流的关键桥梁。微软公司发布的Kinect传感器将传统的平面二维特征描述扩展到包含景深信息的三维世界里,它推动了人体行为识别的研究热潮,并使基于智能机器人的人机交互变得更易实现。本论文将基于从Kinect传感器获得的人体骨骼模型来对人体行为识别算法研究。首先,针对环境中噪声使采集到的原始骨骼关节点产生剧烈抖动这一问题,本文采用了基于人体骨骼的均值滤波来平滑各关节点的运动,减小由于抖动而造成计算特征的偏差;其次,为了使基于骨骼模型的特征描述与世界坐标系无关,并实现不同视角下识别同一人体行为,本文对均值滤波后的骨骼数据做归一化处理,将每帧的人体骨骼数据都归一到本帧新定义的本地坐标系下;然后在特征计算中,根据人体机械化理论里将人体模型可以近似看做由运动副链接成的刚体系统,各部分运动相互牵制,本文提出了采用简单的数学概念——向量和夹角来计算人体行为中的静态姿态和动态运动的特征描述;最后,由于人体行为的结构特性,即一个行为可以分成若干个子行为,因此采用了双层的最大熵马尔可夫模型来作为人体行为的识别模型。除此之外,本文还构建了室内环境下的行为数据集,分别是喝水、伸展运动、拖地、休息、工作、站立。实验中,本文基于公共标准数据集和新构建的行为数据集针对本论文提出的算法做了对比实验;并根据实际生活中复杂环境中的光照、噪声和摄像头视角的变化,进行了一系列对比实验。由最终的实验结果我们得出了本文算法具有识别率高,计算简单、实时性强的优点,并对实际环境中的强光照、噪声和不同的摄像头视角具有一定的鲁棒性。