1.一種基于層級化特征學(xué)習(xí)的動作識別方法，其特征在于，所述動作識別方法包括以下步驟：
將訓(xùn)練集區(qū)域塊的特征聚類，利用詞袋模型對所有區(qū)域塊進行特征重表征，得到高層塊的特征，將一個視頻中所有塊的特征進行均值池化，得到視頻序列的特征集；
利用支持向量機對視頻序列的特征集建模，得到模型參數(shù)；
選取測試集中的動作序列作為測試序列，通過兩層的聚類以及詞袋模型，提取動作序列的特征，將特征輸入模型中，得到動作序列的動作類別號。
2.根據(jù)權(quán)利要求1所述的一種基于層級化特征學(xué)習(xí)的動作識別方法，其特征在于，所述動作識別方法還包括：
從動作視頻數(shù)據(jù)集的每一類中挑選出訓(xùn)練視頻序列和候選預(yù)測視頻序列。
3.根據(jù)權(quán)利要求2所述的一種基于層級化特征學(xué)習(xí)的動作識別方法，其特征在于，
所述訓(xùn)練視頻序列分為大小相等的時空塊，根據(jù)這些塊的像素信息構(gòu)建塊的協(xié)方差特征，作為塊的初始化特征，構(gòu)成動作數(shù)據(jù)集。
4.根據(jù)權(quán)利要求1所述的一種基于層級化特征學(xué)習(xí)的動作識別方法，其特征在于，所述層級化特征學(xué)習(xí)具體為：
利用聚類方法對訓(xùn)練集中的塊進行聚類，然后利用詞袋模型對所有的塊進行特征重表征，得到底層塊的特征；
通過池化將以底層塊為中心，在它周圍的所有塊的底層特征進行融合，得到空間上比底層塊更大的區(qū)域塊的特征表征。