1.一种基于HOIRM和局部特征融合的行为识别方法，其特征在于：所述行为识别方法包括以下步骤：

步骤1，对所有视频进行时空兴趣点检测；

步骤2，使用3D HOG和3D HOF描述子对检测到的所有时空兴趣点进行特征向量描述；

步骤3，根据每一帧的时空兴趣点分布情况提取兴趣点区域ROI，提取视频的兴趣点区域的过程为：计算每一帧所有兴趣点空间的质心位置 其中横纵坐标的计算方式分别为 xi和yi分别表示当前帧第i个兴趣点空间位置的横、纵坐标，n表示当前帧的兴趣点数，计算所有兴趣点到质心的距离di，选出最大距离dmax，dmax＝max{d1,d2,......,dn}，定义一个以质心 为圆心，最大距离dmax为半径的圆，以质心 为中心，圆的直径为边长，得到一个正方形，即圆的外切矩形，该矩形即为所在帧的兴趣点区域；

步骤4，根据ROI提取视频的兴趣点区域运动方向直方图特征HOIRM；

HOIRM特征提取过程为：选择兴趣点区域的质心 作为代表点统一描述兴趣点区域的运动情况，由几何关系可得，在任意时刻t，ROI质心 的方向角 为：其中 和 表示当前帧的质心坐标， 和 表示前一帧的

质心坐标，将方向角 量化至K个区间，取K＝9，每个区间大小为20°，9个区间分别为：0°～20°，20°～40°，…，140°～160°，160°～180°，分别统计落入每个区间中的方向个数，形成兴趣点区域运动方向直方图，在直方图中以百分比的形式表示，计算其中 表示在方向角区间θi内对应的视频帧数，NUM(frames)表示该视频总帧数，即表示HOIRM在该方向角区间内对应的视频帧数占该视频总帧数的比例；

步骤5，兴趣点区域的HOIRM特征与步骤2中由3D HOG和3D HOF描述兴趣点获得的特征向量进行特征融合；

步骤6，对训练视频多特征融合后的特征向量构建词袋模型，即对训练视频所有的特征向量进行K-Means聚类生成视觉词典，并用视觉词典重新描述特征向量；

步骤7，用步骤6构建的视觉词典描述测试视频的特征向量；

步骤8，用步骤6得到的特征向量训练支持向量机分类器，用已训练的支持向量机分类器对步骤7得到的测试视频特征向量分类，得到测试视频行为类别。

2.如权利要求1所述的一种基于HOIRM和局部特征融合的行为识别方法，其特征在于：

所述步骤1中，采用Bregonzio兴趣点检测算法对视频进行兴趣点检测，得到时空兴趣点集，根据获取的每一个时空兴趣点(x,y,t)确定其所在的帧以及在整段视频序列中的空间位置，其中x,y表示兴趣点在每一帧上的坐标位置，t表示当前所在帧的时间。

3.如权利要求1或2所述的一种基于HOIRM和局部特征融合的行为识别方法，其特征在于：所述步骤2中，使用3D HOG和3D HOF描述子进行联合描述的过程为：以每一个时空兴趣点(x,y,t)为中心，构建空间立方体Patch，简称P，其中大小为(H,W,T)，H、W、T分别表示立方体的高、宽、长，分别用3D HOG和3D HOF特征描述子进行描述，得到时空特征向量L，以空间立方体P的8个顶点为中心，分别构建跟P相同大小的空间立方体P1，P2，…，P8，同样，分别采用3D HOG和3D HOF特征描述子进行描述，得到时空特征向量L1，L2，…，L8，将得到的时空特征向量L跟L1，L2，…，L8拼接在一起，得到9个空间立方体的3D HOG和3D HOF特征，作为兴趣点(x,y,t)的时空描述子。

4.如权利要求1或2所述的一种基于HOIRM和局部特征融合的行为识别方法，其特征在于：所述步骤5中，基于时空兴趣点区域的运动方向特征HOIRM与3D HOG、3D HOF描述的特征向量的融合过程为：采用累加直方图对每一帧图像的特征进行融合，所用公式为其中，ch(i)表示累加直方图的第i个区间，h(i)表示特征直方图的第i个区间，n表示帧的数目，最后得到的特征向量可以表示为F＝{ch3DHOG,ch3DHOF,chHOIRM}，其中，ch3DHOG,ch3DHOF和chHOIRM分别代表3D HOG、3D HOF和HOIRM特征的累加直方图。

5.如权利要求1或2所述的一种基于HOIRM和局部特征融合的行为识别方法，其特征在于：所述步骤6中，构建词袋模型的过程为：首先指定视觉词典容量的大小为K，K的值为接下去使用的K-Means聚类算法的聚类中心数目，为了构建一个具有K个单词的视觉词典，将所有训练视频的特征向量组合在一起，构建一个特征向量矩阵并进行K-Means聚类获得K个聚类中心，即K个关键特征，为每个训练视频分配一个K维的向量，且初始化为0，这个向量的每一维对应着视觉词典中的每个单词，计算每个训练视频对应的特征向量距离K个关键特征的距离，假定与第i个关键特征的距离最近，则在对应初始化为0的K维向量的第i个位置加

1，这样就得到一个K维的特征向量，并用该特征向量表征输入视频的特征，将所有通过词典重新描述过的视频对应的特征向量进行标记，在每一类别的最后一维后面添加一维用于标记该视频的类别，为接下去的模型训练做准备。