1.一種基于骨骼關(guān)節(jié)特征和表面特征融合的人體行為識(shí)別方法，包括以下步驟：
步驟1：獲取局部深度關(guān)節(jié)特征：采用人體骨骼關(guān)節(jié)特征來(lái)構(gòu)建人類(lèi)活動(dòng)的局部變化模型；
步驟1.1：獲取深度視頻序列：采用Kinect傳感器獲得帶有深度信息的視頻序列；
步驟1.2：捕捉骨骼并計(jì)算關(guān)節(jié)之間的距離：采用骨骼跟蹤器檢測(cè)所述深度視頻序列中每一幀的關(guān)節(jié)數(shù)量并計(jì)算關(guān)節(jié)之間的距離，這些距離信息構(gòu)成多維向量1；
步驟1.3：獲取關(guān)節(jié)周?chē)狞c(diǎn)云數(shù)量：從所述深度視頻序列的每一幀中獲得3D點(diǎn)云，定位每個(gè)關(guān)節(jié)在點(diǎn)云中的位置，然后圍繞關(guān)節(jié)獲得方形區(qū)域，最后把方形區(qū)域劃分為小的區(qū)域，計(jì)算每個(gè)小區(qū)域中存在的點(diǎn)云數(shù)量，構(gòu)成新的向量2；
步驟1.4：量化關(guān)節(jié)局部特征：將所述深度視頻序列中的每一幀的向量1和向量2進(jìn)行組合，這些組合共同表示出人體行為的局部特征；
步驟2：獲取全局深度表面特征：采用4D空間的法向量分布來(lái)構(gòu)建人類(lèi)活動(dòng)的全局變化模型；
步驟2.1：獲取表面地圖：由Kinect獲取帶有深度信息的視頻序列，每一個(gè)視頻都有T幀圖片序列，每一張圖片都是帶有深度信息的3D點(diǎn)云圖像；
步驟2.2：計(jì)算全局表面特征：在每一幀的3D點(diǎn)云圖像的基礎(chǔ)上增加時(shí)間軸構(gòu)成4D空間，之后將4D空間分成不同的區(qū)域，在每個(gè)區(qū)域中都計(jì)算相應(yīng)的法向量，用4D空間的法向量分布來(lái)表明人體運(yùn)動(dòng)的全局特性；
步驟2.3：量化全局表面特征：通過(guò)對(duì)4D空間中的每個(gè)法向量和每個(gè)封閉型4D圖形上的點(diǎn)進(jìn)行內(nèi)積計(jì)算后，量化相應(yīng)區(qū)域的數(shù)據(jù)，構(gòu)成全局表面特征直方圖；
步驟3：訓(xùn)練與融合：為整個(gè)序列收集上述局部深度關(guān)節(jié)特征和全局深度表面特征，并分別對(duì)收集到的上述局部深度關(guān)節(jié)特征和全局深度表面特征進(jìn)行訓(xùn)練SVM模型，得到相應(yīng)局部深度關(guān)節(jié)特征和全局深度表面特征所對(duì)應(yīng)標(biāo)簽的后驗(yàn)概率，然后基于條件概率的最大化將上述兩種特征融合成為一套統(tǒng)一框架。