研究对人体行为的特征的提取方法，比如全局特征提取，局部特征提取，二维，三维全局特征，局部特征点提取等，从中选取适合基于轨迹的人体行为识别算法，掌握Weizmann、KTH、PETS、UCF等常用的人体行为识别常用的数据集，通过实验验证算法的可行性，并提出自己对算法及实验结果的看法和想法，最终目的是基于轨迹完成对人体行为的识别。

为克服方向梯度直方图(HOG)特征在人体行为识别中仅表征动作的全局梯度特征、缺乏局部细节信息、对遮挡表现不佳的问题,改进了一种基于全局特征和局部特征的方法来实现人体行为识别。该算法首先使用背景减法获得人体运动区域;方向可控滤波器能有效描述动作边缘特征,通过引入方向可控滤波器改进HOG特征以增强局部边缘信息,同时对加速稳健特征进行k-means聚类获得词袋模型;最后将融合后的行为特征输入支持向量机对行为特征进行分类识别。在数据集KTH、UCF Sports和SBU Kinect Interacti