行为识别是基于人体目标识别和人体跟踪更高级的计算机视觉部分，利用在视频的基础上提取位置分布图，大小分布等属性将人的行为进行分类。主要采用基于帧间差分和改进混合高斯模型的运动人体分割算法，解决复杂背景下的运动目标检测。
1前景提取
1.1相邻帧差法：从第二帧开始，将当前帧减去前一帧得到前景；帧差法是相邻两帧相减，易产生空穴；并且当前景静止时，容易导致前景消失。
1.2混合高斯模型：
背景建模：1）高斯分布模型匹配
2）高斯分布模型更新
3）生成背景模型
4）阴影去除
混合高斯模型对最新像素学习过快，所以容易把静止的前景当作背景，从而导致检测到的前景消失，由于背景差分法对背景的要求较高，一旦背景有噪声，将会造成提取到的所有前景都会引入噪声。使用平均背景法消除一次建模所造成的噪声。
1.3平均背景法提取前景
前景提取：1）将前景图像减去背景图像
2）将背景图像转到HSV空间去阴影。如果亮度或色度分别大于一定的阈值则认为他们属于前景部分否则为阴影部分
3）在将之前的HSV空间的图像转到RGB空间
2前景处理
3属性提取
经过属性的提取，可以将每个视频表征为一个属性向量F=【pos, size, md, mdSD, s, sSD, hc, hcSD, wc, scSD】
4分类
将视频分为两部分，一部分用于训练，一部分用于测试，并根据距离进行分类，采用最近邻方法，选出识别率大于的距离，记录识别率，以这个距离的识别率为权重的甲醛和为分类的距离。
