视频中的人体动作识别研究主要是为了能让计算机更好的理解人体动作的意义。使计算机视觉更好的应用于人机交互、监控安全、人工智能等领域。人体动作识别的主要难点集中于视频中的动作特征提取与动作特征的识别分类器研究两方面。由于视频图像是由三维空间中的物体投影于二维图像之中而形成的,所以在三维物体在被图像采集的过程中不同的光照、背景的变化、环境的遮挡都会造成二维视频图像中的明显变化,增加了动作识别的难度。如何在视频图像中提取到人体的运动信息成为了视频动作特征提取的关键点。提取具有更强的人体运动信息描述能力与可识别能力的视频特征是人体动作识别的重要研究方向。视频特征的分类器如何更好的学习视频特征,提取更抽象的运动信息同样充满挑战。本文的主要研究工作分为了两方面:1.本文提出了一种结合视频中的时空兴趣点特征、光流特征和人体灰度图像的复合视频特征。时空兴趣点特征作为视频分析中的一种常用特征具有全局性的运动信息描述能力,而光流特征则具有较强的局部运动信息描述能力,视频中的人体灰度图像则可以反映人体的瞬间运动姿态。本文将这三种视频特征相结合得到了一种对人体运动信息描述能力更强,在视频分类器中的可识别能力更高的视频复合特征2.本文应用三维卷积神经网络技术作为人体动作识别中的特征分类器。相比于传统的线性支持向量机分类器、模版匹配分类器等浅层学习分类器,深度卷积神经网络分类器可以更好的提取出人体运动中的抽象信息,对视频特征的学习能力更强。并且由于三维卷积神经在卷积过程中共享的权值核不仅可以在图像的水平与垂直方向滑动,同时可以在时间轴上滑动,所以三维卷积神经网络可以更好的定位运动目标在视频图像中的空间位置与动作发生的时间位置。