人体行为识别是计算机视觉领域内非常热门的一个研究方向,在智能监控等领域都有广泛的应用。传统的识别工作一般是基于RGB视频进行的。近年来,随着微软Kinect等消费级的深度摄像头的推出,基于RGBD (RGB-Depth)的人体行为识别越来越受到学者以及工业界的关注。基于RGBD的人体行为识别相对于传统的行为识别而言,准确率高、鲁棒性强。正是因为这些优点,基于RGBD的人体行为识别才具有相当高的研究价值。本文针对RGBD人体行为识别展开了研究,提出了一种基于多骨架特征的实时的人体行为识别方案,并且实现了RGBD人体行为识别系统。本文主要完成下面三个工作：第一,针对现有的一些人体三维骨架特征存在的不足,本文提出了一种人体三维骨架的特征提取方法；第二,通过将本文提出的特征与现有特征进行融合,弥补不足,提出了一种能够实时识别人体行为识别的多骨架特征人体行为识别方法：第三,本文实现了一个RGBD数据采集以及人体行为识别系统,能够通过Kinect采集RGBD数据,并且利用采集到的RGBD数据进行人体行为识别,识别算法首先是通过工作二中的多骨架特征融合后再与从深度数据上提取的特征进行融合,然后通过支持向量机进行动作分类。本文提出的特征提取方法考虑了现有的骨架特征提取方法的不足。本文提出的实时行为识别的算法是通过融合多个骨架特征来进行的,该算法兼具速度和准确率,并且还能够保证准确率不受摄像头的角度影响。本文提出的基于RGBD多模态数据的人体行为识别技术,考虑各个模态数据之间的互补性,提高了人体行为识别准确率。