警用巡逻机器人作为一种可移动式机器人,旨在部分协助或替代警务人员完成日常安防工作,其具备的智能监控和抵近侦查能力可以显著提高安保质量。应用监控视频实现人体行为识别是警用巡逻机器人在安防巡逻过程中需要完成的重要工作。本文从RGB视频与骨架序列两个数据角度,分别提出了新的人体行为识别方法,并基于警用巡逻机器人实验平台,设计完成了人体行为识别系统,具体工作总结如下:(1)提出了一种基于三维残差稠密网络的人体行为识别算法。针对现有算法不能充分利用网络多层次时空信息的问题,研究了新的基于RGB视频的人体行为识别方法。首先,使用三维残差稠密块作为网络的基础构建模块,应用稠密连接的卷积层提取人体行为的分层特征;其次,经过局部特征聚合自适应地学习人体行为的局部稠密特征;通过残差连接方式来促进特征信息流动以及减轻训练的难度;最后,通过级联多个三维残差稠密块实现网络多层局部特征提取,并使用全局特征聚合自适应方法学习所有网络层的特征用以实现人体行为识别。在多种数据集上的实验结果表明,所提算法架构有良好的鲁棒性和迁移学习能力,能够有效地处理多种人体行为识别任务。(2)提出了基于局部特征融合的人体行为识别算法。考虑到人体行为识别算法在复杂场景下的鲁棒性,本文从骨架数据出发,提出了一种人体行为识别方法。通过改进的局部特征提取方式从骨架序列中提取到骨架相对位置、关节夹角、关节点速度以及身体速度局部特征,并进行融合以描述不同类别的动作;所设计的特征融合方法很好地描述了动作的空间静态信息和时序动态信息,通过主成分分析方法进行降维去噪,保存了辨识能力较强的特征信息,最后在自建数据集上验证了所提算法的有效性。(3)依据上述算法,基于警用巡逻机器人平台,设计了人体运动行为意图识别系统,该系统可完成固定区域内的巡逻任务,并在巡逻过程中实现实时视频监控、人体行为跟踪及识别。经过在实际场景下的测试,证明了系统的有效性。