人体动作如今普遍地用一组量子化的局部时空特征来表示，也被称为词袋。词袋模型在 背景噪声和背景变化方面最具鲁棒性，但在大外观和姿势变化方面表现力不够。为此后来将 人类知识引入到模型中，运用语义说明或语义属性来表示复杂的人体动作。另外，通过一组 关键帧或者静态图片来识别人体动作也已经在之前的研究中被探讨过。但是，大多数已经存 在的动作识别的方法假设测试视频已经完整播放了，所以这些方法是为识别完成的动作而设 计的。因此，这些方法不适合用来识别未完成的动作视频。77208

也有方法运用连续状态模型捕获外观或姿势的时间演化，把一个视频看做时间片段的组 合。但是这些方法没有根据观测比率模拟时间动作演化，所以不能用来表示部分观测动作。 这些方法也不适合用来识别未完成的动作视频。

当前大多数的早期动作识别方向的工作旨在识别未完成的动作视频。Ryoo 提出了积分词 袋（IBoW）和动态词袋（DBoW）方法来解决早期动作识别问题[1]。他将一个动作表示为一个 时空特征构成的完整直方图，有效地模拟了特征分布随着时间的变化，他计算相同分类的特征的平均值得到动作模型，但是如果相同分类中的动作视频存在较大的显示差异，学习模型 就不具有代表性了，并且它对异常值敏感。为了克服这两个问题，Cao 等人使用稀疏编码学 习特征基，再用这些特征基构造动作模型，并且在相似度计算上采用重构误差[2]。Li 等人探 索了长持续时间的早期动作识别问题[3]。Yu 等人提出了一个有识别力的多尺度模型来解决早 期动作识别问题[4]，该模型不仅考虑所有观测特征的历史，而且考虑较小时间片段的特征， 并且提出了多时间尺度支持向量机（MTSSVM）进行识别。Lan 等人提出了 hierarchical movemes 来表示人体动作[5]，该方法能通过视频的任何时间戳来识别动作，甚至通过一张静态图片就 能完成识别。论文网

但是大多数动作识别的研究是通过彩色视频实现的，这些都是基于视觉特征的，而不是 人体骨骼特征。但是人体骨骼特征往往能更好的表示人体的动作，本文实现了一种基于人体 骨骼信息的早期动作识别算法。