人體行為識別是計算機視覺研究的熱點問題，現(xiàn)有的行為識別方法都是基于監(jiān)督學習框架．為了取得較好的識別效果，通常需要大量的有標記樣本來建模．然而，獲取有標記樣本是一個費時又費力的工作．為了解決這個問題，對半監(jiān)督學習中的協(xié)同訓練算法進行改進，提出了一種基于多學習器協(xié)同訓練模型的人體行為識別方法．這是一種基于半監(jiān)督學習框架的識別算法，該方法首先通過基于Q統(tǒng)計量的學習器差異性度量選擇算法來挑取出協(xié)同訓練中基學習器集，在協(xié)同訓練過程中，這些基學習器集對未標記樣本進行標記；然后，采用了基于分類器成員委員會的標記近鄰置信度計算公式來評估未標記樣本的置信度，選取一定比例置信度較高的未標記樣本加入到已標記的訓練樣本集并更新學習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．實驗結果表明，所提出的基于半監(jiān)督學習的行為識別系統(tǒng)可以有效地辨識視頻中的人體動作。