人体行为识别可以看做是图像处理与模式识别的一种。人的行为可以分为静态行为和动态行为，常用概念有Pose：静态行为；Action：短时间动作行为（简单动态语义）；Activities：行为（长时间复杂动态语义）；动态行为与时间相关，其模式分析使用到时序分析的方法。
工程方法论：
工程的设想是这样的：以简单随机森林为起始，然后转到HMM模型，最后如果用研和数据标记人员加入，则可以使用RNNs方法。
以手势识别为例：对于静态手的识别是手势识别的基础，最终目的是识别手在空间中的运动轨迹（时序），判断手的运动是否符合特定的动作，对手势进行语义分析。从时域到空域最简单的抽象为空间轨迹识别。
一定时间后手的重心形成的轨迹如下图：
需要做的是，分析任一时间段内的轨迹是否符合特定的运动模式，如下图：
把场景缩减到极简: 手的轨迹为连续六自由度（空间位置：x、y、z 和 空间姿态：alpha、beta、theta）变化，可以表示为一个六元组的字符串。若是不考虑模式的速度问题，可以把需要寻找的模式表示为模式串，因此此问题便简化为 六元组字符串匹配问题。
类似于串匹配，因此最简化的动作识别使用了大名鼎鼎的KMP算法.......................
后记：
手势识别的一些问题：即使是简单的手势识别，也要面对一些问题，这也是时序模式识别的一些基本特点。
1）时间可变性：完成一个手势的时间不同。即同一个语义的向量模式在时序上就是一个弹性区域；
2）空间可变性：完成同一个手势的空间差异性。主要表现为坐标系的平移和旋转问题；
3）完整可变性：缺少信息或者出现重复信息。同一个动作语义的向量表示必须考虑匹配时有一定的容错性。