人体行为识别是计算机领域的一项重要的研究课题，在众多领域都有着广泛的应用前景。基于姿态信息的行为识别是行为识别方法中一个重要的分支。通常可以将基于姿态表示的行为识别过程分为姿态估计和行为识别两个步骤。现有的识别方法是在假设姿态具有很高准确率的基础上进行的，而当出现姿态分析误差的情况时，这些方法往往无法获得令人满意的识别结果。本文针对目前现状存在的问题开展了相关研究，解决了姿态信息不准确时的行为识别问题，具有良好的理论意义和应用前景。　　在整体姿态估计不够准确的情况下，如何从估计结果中提取出有价值的信息来设计一个鲁棒的，有效的行为特征描述子，这成为本研究问题的核心。围绕着提出的行为特征，本文最终完成了一个基于姿态信息的行为识别算法，开展了如下三个方面的研究工作:　　1.为了解决多尺度下人体姿态表示的问题，提出了基于部位角度信息的姿态描述子。利用姿态估计获取每个关节点的位置信息后，只应用了每个部位的角度信息表示动作图像序列的姿态信息，摒弃空间信息。这种特征表述具有尺度不变性。同相对位置特征相比较，基于角度信息的姿态描述子适用于多尺度下的行为识别。　　2.为了更好的表示行为，提出了一个肢体方向直方图的行为特征。首先，定义人体模型的各个肢体存在不同运动类型，并且将运动模型与肢体的方向相关联。然后，设计独立肢体特征和成对肢体特征两种直方图统计策略，用以统计各个肢体在整个视频中不同运动类型的出现次数。其中成对肢体特征是基于在生理相关性的肢体间（如大臂和小臂同属于手臂）具有共生关系的思想上设计的。这种独立或成对构建特征的策略为后面选取关键肢体提供了前提。　　3.设计了一个两层的SVM分类器，针对特定的行为类型选择具有高判别力的肢体及特征类型构建行为特征，达到了提升行为识别准确率的效果。第一层分类器中利用行为执行人在视频中的位置分布信息作为特征向量，将行为分为两种大类。在两大类行为中，从人所有肢体中选取具有高判别力的关键肢体集合以及每个关键肢体对应的直方图特征类型。第二层SVM分类器中，将所有关键肢体的角度直方图特征级联，作为动作特征以用于行为识别。该方法相对以往的基于姿态的行为识别方法，能更有效的区分相似动作，提高分类准确率。　　综上所述，本文针对行为识别领域的三方面问题展开了研究，提出了一个基于关键肢体方向特征的行为识别算法，并在KTH行为数据集进行验证，实验结果验证了本文提出方法的有效性。