針對現(xiàn)有行為特征提取方法識別率低的問題，提出了一種融合稠密光流軌跡和稀疏編碼框架的無監(jiān)督行為特征提取方法（ DOF-SC）。首先，在稠密光流（DOF）軌跡提取的基礎上，對以軌跡為中心的原始圖像塊進行采樣作為軌跡的原始特征；其次，對軌跡原始特征基于稀疏編碼框架訓練稀疏字典，得到軌跡的稀疏特征表示，利用詞袋（BF）模型對稀疏特征聚類得到軌跡的碼書，再根據(jù)碼書對每個動作中出現(xiàn)的所有軌跡所屬的碼書類別進行投票，統(tǒng)計該動作中每個碼書出現(xiàn)的次數(shù)，得到行為特征；最后，對行為特征利用基于直方圖交叉核函數(shù)的支持向量機（ SVM）進行訓練得到行為識別模型，再利用該模型對行為進行分類預測，得到最終行為識別的結果。在對軌跡采樣10%的情況下，DOF-SC算法得到的行為識別準確率在KTH數(shù)據(jù)庫上高出采用運動邊界直方圖（MBH）作為特征的行為識別準確率的0. 9%，在YouTube數(shù)據(jù)庫上高出MBH作為特征的行為識別準確率的1.2%。實驗數(shù)據(jù)表明了所提方法對行為識別的有效性。