提出一种新的基于条件随机域和隐马尔可夫模型（HMM）的人类动作识别方法——HMCRF。目前已有的动作识别方法均使用隐马尔可夫模型及其变型，这些模型一个最突出的不足就是要求观察值相互独立。条件模型很容易表示上下文相关性，且可使用动态规划做到有效且精确的推论，它的参数可以通过凸函数优化训练得到。把条件图形模型应用于动作识别之上，并通过大量的实验表明，所提出的方法在识别正确率方面明显优于一般线性结构的CRF和HMM。