中文摘要：

人物动作识别是指从视频中定位和分类动作主体具有语义的、非语言性的运动信息，具有重要的理论研究价值和广阔的应用前景，是计算机视觉领域一个很有挑战性的课题。本项目从物体与人物动作表示的基本单元- - 时空特征出发，在相应的统计建模方法、鲁棒的模型匹配算法、高效的识别方法以及具有不变性的识别方法等方面取得了进展。在时空特征方面，提出了若干种新的（时空）局部特征和描述子，包括时空粒度可调的梯度方向划分描述子、图像条带特征、局部化的梯度方向共生直方图特征以及Sigma Set方法，在目标与人体的识别、跟踪方面取得了较好的效果。在统计建模与模型匹配方面，提出了基于boosting的若干种线性和非线性判别方法、基于AAM的建模方法，并且探索了判别分析与半监督学习相结的机器学习方法。在高效、鲁棒的识别方法方面，在时空分割、光照不变性、平移不变性以及超分辨率预处理等方面进行了探索，取得了若干成果。实验证明，上述工作对于提高目标识别、人物识别与人物动作识别的准确性和鲁棒具有较为显著的效果。在本项目执行期间，共发表论文13篇（国际会议论文11篇、国际期刊论文2篇），提交在审论文4篇，实现了预期的研究目标。