随着信息技术的发展和视频摄像机的普及，视频数据呈爆炸式增长。人们对海量视频数据分析和理解的智能化要求越来越高。而基于视频的人体动作识别就是一个非常重要的视频理解问题，并且由于其在人机交互，智能监控，视频检索等方面广阔的应用前景，一直都是计算机视觉领域的热门研究方向，有着极其重要的应用价值。但是基于视频的人体动作识别往往都面临着大量高维数据特征的提取和学习分类的难题。近年来，越来越多的研究工作指出，包括自然图像在内，许多信号都具有稀疏性，目前稀疏表示在需要处理大量高维特征的图像处理，人脸识别等领域都得到了成功的应用。本文主要探索了稀疏表示原理在基于视频的人体动作识别中的应用。主要的工作包括以下几个方面：1.论文对人体动作识别的主要方法进行了概括和总结，研究了稀疏表示方法的理论基础，分析了实际应用中稀疏表示方法需要解决的主要问题的数学模型，对相关算法进行了总结分析和对比。2.论文给出了一种基于稀疏表示的人体动作分类方法，通过提取局部时空特征，利用词袋模型得到全局特征描述。不同于传统的支持向量机等分类，本文利用稀疏表示构造了一种分类方法，采用了基于符号搜索的稀疏算法求解稀疏系数，最后进行了实验证明其可行性。3.为了更好的利用稀疏表示的特性，本文还提出并且实现了一个基于稀疏编码的人体动作识别系统。我们对局部时空特征进行编码，而后用最大池技术获取全局特征，利用改进的在线字典学习算法进行字典的训练。系统在KTH和UCF数据库上进行了实验，取得了令人满意的效果。