人体行为识别作为计算机视觉领域的一个重要课题，尽管在过去的几十年中得到了广泛的研究，至今仍然被视为一项具有挑战性的任务，特别是在现实场景中，人体行为识别遇到巨大困难。这些困难主要源于视频数据的类内变化大、背景干扰、遮挡、光照变化和噪声等。在本书中，回顾近年来人体行为识别的发展历程，并从全局特征表示和局部特征表示角度，介绍作者相关研究成果，并在最后介绍了骨架节点的人体行为识别、深度信息下人体行为识别和跨域的人体行为识别的最新研究工作。

第1 章 人体行为识别概述
1.1 人体行为识别介绍
1.2 人体行为识别的国内外研究现状
1.2.1 时空兴趣点
1.2.2 局部特征表示
1.2.3 全局特征表示
1.2.4 深度特征表示
1.3 人体行为识别数据集
参考文献
第2 章 全局特征表示下的人体行为识别
2.1 运动与结构特征嵌入
2.1.1 概述
2.1.2 特征映射
2.1.3 高斯金字塔
2.1.4 中心环绕机制
2.1.5 特征提取
2.1.6 实验结果
2.2 时空拉普拉斯金字塔编码
2.2.1 概述
2.2.2 基于时空拉普拉斯金字塔特征提取
2.2.3 特征提取
2.2.4 实验结果
2.3 时空可控能量描述符
2.3.1 概述
2.3.2 时空可控金字塔特征表示
2.3.3 实验结果
2.4 本章小结
参考文献
第3 章 局部特征表示下的人体行为识别
3.1 基于BoW 方法
3.1.1 概述
3.1.2 BoW 局部特征表示
3.1.3 实验结果
3.2 基于稀疏编码方法
3.2.1 概述
3.2.2 基于稀疏编码的局部特征表示
3.2.3 实验结果
3.3 基于匹配核方法
3.3.1 概述
3.3.2 匹配核的局部特征表示
3.3.3 实验结果
3.4 朴素贝叶斯近邻方法及其扩展
3.4.1 概述
3.4.2 朴素贝叶斯最近邻方法
3.4.3 朴素贝叶斯最近邻核方法
3.4.4 局部朴素贝叶斯最近邻方法
3.4.5 实验结果
3.5 基于图像到类距离的判别嵌入
3.5.1 概述
3.5.2 图像到类距离
3.5.3 基于I2C 距离的判别嵌入
3.5.4 实验结果
3.6 局部高斯嵌入
3.6.1 概述
3.6.2 局部高斯嵌入
3.6.3 实验结果
3.7 本章小结
参考文献
第4 章 人体行为识别新技术
4.1 骨架节点的人体行为识别
4.1.1 概述
4.1.2 人体骨架及骨架数据集
4.1.3 基于骨架节点的深度学习的人体行为识别
4.2 深度信息下的人体行为识别
4.2.1 概述
4.2.2 深度图获取
4.2.3 深度图特征表征
4.2.4 多通道融合
4.3 跨域的人体行为识别
4.3.1 概述
4.3.2 跨光谱人体行为识别
4.3.3 跨视角人体行为识别
4.3.4 跨媒体人体行为识别
4.4 本章小结
参考文献
第5 章 总结与展望