人体行为分析是计算机视觉中的一个重要研究课题,其应用包括智能视频监控、虚拟现实和人与电子设备进行交互的各种系统。这些应用领域多数需要对人体行为进行检测、跟踪和自动识别。传统的人体行为分析方法大都建立在二维彩色图像问题上研究,但在实际应用中仍存在很多困难,如背景扰动、环境变化对人体目标检测的干扰,数据信息量和特征降维算法对特征提取问题的影响等等。近年来,诸多研究者将图像深度信息和彩色信息融合,提出了很多识别方法。本文使用微软Kinect作为视觉信息获取的传感器设备,利用Kinect的深度传感技术,结合彩色图像处理技术分析和理解人体行为,在图像的采集和预处理方面较传统的摄像头有更为容易的处理方式。本文重点研究人体行为分析的方法,实时检测跟踪场景中的人体目标,并对人体日常行为进行理解,设计了一个基于Kinect的人体行为识别系统。本文主要工作如下：首先,本文应用Kinect传感器获取深度图像,对Kinect的硬件组成结构、技术规格和工作原理进行探究,搭建实验环境,分析使用Kinect获取深度图像数据进行人体行为识别的可行性。其次,研究基于深度图像的行为描述方法,通过边缘检测、噪声处理、对人体目标特征点分类等视觉处理方法,将人体从背景环境中区分出来,通过研究深度图上的特征提取方法,实现对人体目标的跟踪,进而对人体的基本动作进行识别。再次,利用条件随机场模型,设计一种基于Kinect的人体行为分析算法,对人体简单动作进行建模和识别,与两种主流人体行为数据库进行实验对比。实验结果表明,在环境光照不稳定以及受到复杂环境干扰的情况下能够正确检测到人体目标,证明了该算法的鲁棒性,人体行为识别效果良好。最后,由以上人体目标分割,特征提取和行为识别算法构建出Kinect实验系统,该系统实现了特定场景中人体基本行为的识别。