人体行为识别一直都是计算机视觉的研究热点, 特别是随着微软Kinect传感器的出现,使得获取人体骨架信息更为便利。为了在骨架模型的基础上获得好的识别精度, 基于三维的骨架序列信息, 运用词袋模型和运动姿态描述子, 结合改进的硬向量编码和K-均值聚类方法, 在线性分类器软件包Liblinear上进行分类。为了验证所提出方法的有效性, 在三维人体骨架序列行为数据集 MSR Action3D 上进行了实验。结果表明, 与传统的人体行为识别算法相比具有更好的分类精度。