由於人體動作辨識廣泛的應用,其在電腦視覺研究中一直是許多研究者相當感興趣的主題,其應用包含:人機互動,智慧型家庭,老年、幼年看護或是視覺監控系統;動作辨識技術在這些領域皆有很大的發展空間。先前的研究多數主要在辨識動作間差異性大的影片,但生活中有許多動作其間的差異性並不大,因此,本論文旨在提出一個辨識方法來辨識這兩種類型的動作。 對於動作辨識而言,從動作影片擷取有辨識度的特徵描述對辨識結果有很大的影響,而local features在辨識上有不錯的效能,因此本論文使用Dense Trajectories的方式來截取動作影片中motion的資訊,因Dense Trajectories可追蹤較完整的前景物件,我們根據這些trajectories將影片切割出許多spatio-temporal grid,再利用HOG及HOF來描述影像前景的appearance及motion,然後使用Bag of words來整理它們。為達更好的效果,我們使用vocabulary tree來做words的分類,進而產生放入分類器做訓練的特徵向量。本論文在分類器選擇的是採用multi-channel 的Random forest,將特徵向量中較為重要的bin利用隨機訓練的方式找出並記錄下來,來當作節點的分類函式。在測試的過程中,可經由一層層的分類來得到測試影片會落入的葉點,並根據葉點中的機率分佈來判斷此動作影片的動作型態。 我們利用兩個資料庫來驗證所提出來的方法,KTH database and URADL database。由實驗結果來看,我們的實驗結果相對於其他的方法有著較高的辨識率,也說明所提出方法可處理動作間差異性大與差異性小的影片。