人體行為識別是計(jì)算機(jī)視覺研究的熱點(diǎn)問題，現(xiàn)有的行為識別方法都是基于監(jiān)督學(xué)習(xí)框架．為了取得較好的識別效果，通常需要大量的有標(biāo)記樣本來建模．然而，獲取有標(biāo)記樣本是一個(gè)費(fèi)時(shí)又費(fèi)力的工作．為了解決這個(gè)問題，對半監(jiān)督學(xué)習(xí)中的協(xié)同訓(xùn)練算法進(jìn)行改進(jìn)，提出了一種基于多學(xué)習(xí)器協(xié)同訓(xùn)練模型的人體行為識別方法．這是一種基于半監(jiān)督學(xué)習(xí)框架的識別算法，該方法首先通過基于Q統(tǒng)計(jì)量的學(xué)習(xí)器差異性度量選擇算法來挑取出協(xié)同訓(xùn)練中基學(xué)習(xí)器集，在協(xié)同訓(xùn)練過程中，這些基學(xué)習(xí)器集對未標(biāo)記樣本進(jìn)行標(biāo)記；然后，采用了基于分類器成員委員會的標(biāo)記近鄰置信度計(jì)算公式來評估未標(biāo)記樣本的置信度，選取一定比例置信度較高的未標(biāo)記樣本加入到已標(biāo)記的訓(xùn)練樣本集并更新學(xué)習(xí)器來提升模型的泛化能力．為了評估算法的有效性，采用混合特征來表征人體行為，從而可以快速完成識別過程．實(shí)驗(yàn)結(jié)果表明，所提出的基于半監(jiān)督學(xué)習(xí)的行為識別系統(tǒng)可以有效地辨識視頻中的人體動作。