基于视觉的人体行为分析与识别作为一个新兴的研究课题越来越受到机器视觉领域研究者的关注，它涉及了模式识别、图像处理、计算机视觉和人工智能等多门学科，其研究目的是从给定的视频图像序列中检测、分割和跟踪运动人体并对其行为进行分析与理解，实现学习和识别人体行为的目的，其关键技术体现在对目标人物的特征提取和行为分类识别的算法上。人体行为识别不但在智能监控、虚拟现实、感知接口和运动分析等领域有着广泛的应用前景，同时也具有良好的社会价值和经济效益。本文围绕基于视觉的人体行为识别的相关问题展开研究，主要包括运动目标提取、特征提取以及人体行为识别算法三个方面，重点是研究特征提取方法和人体行为识别算法。文章首先介绍了实验的运行环境和行为识别研究中涉及到的图像处理方法，并在图像采集、图像预处理及运动目标检测和跟踪方面做了简要概述；接下来具体描述了特征提取的方法，并重点阐述本文采用的行为识别算法；然后针对人体行为分类与识别的相关算法做出了具体的分析和研究并应用在实验中，再对实验得出的结果进行有效的分析，验证该算法的可行性；最后对全篇论文进行了总结及展望。本文研究的都是简单场景下的人体行为识别，在标准行为库的前提下采用了运动累积图、流体力学和Hu不变矩等特征来表示人体的运动行为，并结合机器学习的方法采用支持向量机作为分类器对测试数据进行分类，最终达到一个较高的识别率，可以满足我们实验前的期望结果。