人体行为识别前已有的方法主要分为三大类：基于模板的方法，基于概率统计的方法和基于语义的方法。
模板匹配是一种较早用在人体运动识别上的方法,将运动图像序列转化为一个或一组静态的模板，通过将待识别样本的模板与已知的模板进行匹配获得识别结果。
在行为识别中，基于模板匹配的算法可以分为帧对帧匹配方法和融合匹配方法。
主要方法有：运动能量图像（MEI）和运动历史图像（MHI），基于轮廓的平均运动形状（MMS）和基于运动前景的平均运动能量（AME）等。
概率统计方法进行运动识别是把运动的每一种静态姿势定义为一个状态或者一个状态的 *** ，通过网络的方式将这些状态连接起来，状态和状态之间的切换采用概率来描述。
主要有隐马尔科夫模型HMM， 最大熵马尔科夫模型（MEMM），条件随机场（CRF）等。
企业行为识别的基本要素企业理念识别（MindIdentity，简称MI）、企业行为识别(BehaviorIdentity，简称BI)、企业视觉识别(VisualIdentity。根据查阅相关公开信息显示：企业识别系统主要由企业理念识别（MindIdentity，简称MI）、企业行为识别(BehaviorIdentity，简称BI)、企业视觉识别(VisualIdentity，简称VI)三个要素部分构成。人工智能，目前能够通过画面静态的识别物体：人、树木、斧头。
上述的识别目前是通过，对画面所有的像素点的颜色进行大数据的的对比与分析，并通过加权算法来判断该物品属于哪个物品。但是目前的计算机还是做不到对物品进行模式方面的识别以及对行为进行识别。
但在将来，人工智能应当能够做到对技术方法进行分析和预测，而技术与方法必然地涉及到人或机器的行为，那么计算机也就需要对人类的行为进行认知。
而关于计算机对于行为的认知，我认为其中一个比较重要的是，需要对行为的关键属性进行重新定义，比如：“砍”，像百度百科这样的定义(用刀斧等猛剁，用力劈：～柴。～伐。，暂不去考虑其衍生的含义)，他可以让人类认知与锁定该行为区别于其他接近的行为，如“切”、“刺”、“敲”、“扇”，但计算机无法理解这样的定义。
想要计算机进行一步一步的模式识别与理解，我们需要对这个行为进行重新的定义：
1、它是一个人的行为，判断依据为“存在一个人在运动”；
2、它是一个人在操作物品并且在对另一个物体进行改造的行为，判断依据为“手持一个物体，另一个物品的外观在该行为的作用下发生了改变“；
3、操作的物品是“刀”、“斧”、“剑”，或其他锐利的硬物。
4、人使力的方向与锐利硬物所指的方向一样。判断依据为“这个锐利硬物所指的方向与其运动的轨迹基本相同”。
那么，这个行为是“砍”。
在计算机认识所有物品以及一个个行为之后，它就能够判断出，当我们需要一段木头的时候，到底我们应该用“斧头”去“砍”，还是用“电锯”去“割”更好。。
