通过这种转换形式把原始的特征转换成新特 征的过程就称之为特征提取。
基于运动累积图的特征提取
运动累积 (Accumulated Motion Image, AMI) 特征， 是把运就动图像累积起来放在一起，直观的反映出运动行 为 中发生变化的区域。
基于灰度图像的运动累积图 AMI 特征具体计算公 式
基于运动累积图的特征提取
其他特征提取的方法
基于 Hu 矩的行为特征提 取 基于流体力学的特征提取 基于傅里叶描述子的特征提取
行为类型识别
人体行为识别的实质就是从图像序列中提取 出有效的运动特征，然后对这些特征进行分析从 而确定出该行为所属类别。
支持向量机
支持向量机的工作原理是通过寻找一个可以满足要求 的最优分类超平面来进行分类的，这个超平面不但要能 正 确分开两类不同的样本，而且还保证其侧的空白区域在 某 种程度上能够达到最大，这样支持向量机就可以实现对 输 入数据的最优分类了。
根据实验经验我们可以设定一个阈值，只要在得到的 差分图像中像素值不大于这个阈值的就归为背景像素， 反 之，就属于前景目标 。
背景减除法
下图为挥手图像序列中第一帧图像，这一帧 图像直接与背景按上式做减法运算，就可以得到 前景人体的轮廓图。
时间差分法
基本原理是在一串连续的图像序列中选取时间连续 的两到三倾图像作基于像素的时间差分处理，并且二值 化 及后处理來提取图像中的运动目标
支持向量机
Байду номын сангаас
设定给定的训练样本数据为
其中的输入样本 x ∈ ， ，l就是样本的数目， n 就是 空输间入的维数。输出样本是 y ∈ {?1, +1 }，+1 类和－ 1一类般。情况下， n 维空间中线性判别函数的形式可以写成 gx)(= w *x+b ，如果集合中的所有数据都能被分类平面 w*x+b=0 所正确划分，并且保证距分类面最近的向量还与 该 分类平面之间的距离最大，那么该分类面就叫做最优超 平 面，距离这个最优超平面最近的训练点就是支持向量。
