视频中的人体动作检测是计算机视觉领域的一个研究热点,在安防和监控等领域具有重要作用。人体动作检测不止识别出动作的类别,还需要检测出动作在视频中发生的时间位置。近些年,随着计算机视觉和机器学习理论的发展,视频动作检测方法已取得了许多突破性的进展。然而,现有方法还存在动作片段提议(action proposal)中真实动作的比例较低,以及动作片段提议分类不够准确等问题。因此,本文提出基于稀疏编码和长度后验概率的动作检测方法,重点在以下几个方面展开研究:首先,本文提出了基于上下文相关稀疏编码生成动作片段提议的方法以提高动作片段提议的质量。该方法在学习字典时不止使用剪切好的动作片段,还加入一些包含动作片段时间上下文的相关信息,以加强字典的泛化能力,从而在数量相同的前提下生成包含更多真实动作的动作片段提议。动作片段提议数量越少,后续操作的时间代价也越低。其次,本文提出了基于长度后验概率的动作检测方法以提高动作检测准确率。我们观察发现,有些动作片段提议只是动作的一小部分,但由于其不包含背景,在分类中可能会获得较高的分数,从而在非极大值抑制中抑制掉那些分类分数较低但与真实动作重叠率较高的提议。针对该现象,本文在使用分类器对动作片段提议进行分类之后,提出使用长度后验概率对分类结果进行调整,从而提高动作检测的精度。最后,本文设计并实现了一个动作检测演示系统。用户可以通过图形界面输入待处理视频,经过服务器处理后,在界面上返回动作检测结果,给出所检测到的动作在视频中发生的时间位置以及动作的类别。该系统可以使用户对动作检测的结果有直观的感受。