针对分类识别算法在行为识别中存在识别率低和实时性差的问题,提出了一种线性近似稀疏表示分类的正交鉴别投影(LASRC-ODP)算法用于行为识别。LASRC-ODP算法将高维数据投影到低维空间时,最小化类内残差和最大化类间残差,同时利用投影矩阵的正交约束来增强鉴别结果;与LASRC分类相结合,将训练样本构成过完备字典,利用L2 范数求解稀疏系数,优化了求解复杂度、加快了计算速度,得到特征更易区分的样本、最后根据L1范数和残差找出对应类别,保证了强鲁棒性。采用KTH行为数据库进行实验,可使LASRC分类时识别率为97.1%,实验结果表明该算法识别率高、抗噪和鲁棒性强,为行为识别的研究提供了一种新思路