随着动作识别在视频监控、视频检索和人机接口等领域的广泛应用，激起了研究人员极大的研究热情，且取得了较多的研究成果。然而，由于人体结构的复杂性，个体之间的差异性，以及行为动作的多样性，使得快速、准确地识别动作变得十分困难。随着认知科学和神经科学的迅速发展，推动了模拟视觉感知机理的图像处理研究，特别是人体动作动作识别的研究。虽然近年来研究人员针对该应用领域的研究，提出了许多基于生物启发的人体动作识别的模型，但这些模型仍存在计算量大、识别性能不稳定的缺憾。因此，为进一步探索视觉感知本身所固有的特性，实现人体动作的准确、快速识别，本文模拟视觉感知系统中视觉神经元的信息处理机制进行动作识别。视觉信息处理在大脑皮层中形成了信息处理通路，其中致力于运动信息处理通路中包含有许多区域，如初级视皮层（V1）和中颞区（MT）。虽然有关运动模式是在哪个区域完成的，仍存在不同的推测，目前大部分围绕MT区展开动作识别的研究，构建了很多模型，但其结构复杂、效率低。为此，本文以视觉神经科学的研究成果为理论依据，在对现有的动作识别模型进行认真分析的基础上，围绕V1区展开动作识别的研究，得出了初步的研究结果。首先，给出了模拟初级视皮层V1中细胞的运动信息检测方法。该方法首先以Marr的特征分析理论为基础，采用三维Gabor(3D Gabor)时空滤波器及其组合分别模拟简单、复杂细胞的感受野，以此对视频图像进行处理，从而获取对运动速度和方向敏感的运动信息。其次，提出了无方向性和有方向性的环绕抑制模型。根据V1中无方向选择性和有方向选择性细胞的环绕抑制特性，以三维Gabor时空滤波器中的三维高斯函数为基函数，构造了无方向和有方向的环绕抑制模型。通过该模型，有效地避免视频图像中各种背景噪声对信息检测的影响，保持了运动信息的完整性。最后，提出了基于脉冲神经元平均发放率分析的运动特征提取方法。以神经脉冲作为信息处理和传递的载体，依据基于电导率的Integrate and Fire（I&F）神经元模型，构建脉冲神经网络。通过对神经元脉冲平均发放率的分析，从而获取行为动作的平均运动图，提取动作特征。利用支持向量机的分类方法，实现对人体动作的识别。利用Weizmann和KTH等人体动作视频数据库对本文提出的方法进行测试，实验结果表明本文提出的方法既减少了识别计算量，加快了识别速度，又提高了动作的识别率。