机械制造业是国民经济的基础,随着个性化需求的增加,生产模式也发生了相应变化,小批量、多品种制造需求增大,对机械制造的柔性和效率提出更高要求,人工智能技术的发展为智能化机械制造提供了思路和有效手段。人机协同装配中,通过人机交互,极大提升产品生产的柔性和效率,智能机器人识别人的行为动作和判断行为意图是人机交互协同的前提。本文以视频序列为基础,通过构建人体检测模型、人体姿态估计模型和人体动作识别模型,实现对人体动作识别的研究,最后通过实验测试人体动作识别模型的性能。建立了基于YOLONano网络的人体检测模型,定位人体在图片中的位置。基于YOLONano多目标检测模型,通过修正网络输出通道的个数,同时保留人的类别,建立了人体检测模型,其与原多目标检测模型相比降低了网络的参数和计算量。在此基础上,通过使用聚类方法预设不同大小和数量的人体检测先验框,提升了模型的性能,提高人体检测的准确率。建立了基于SNHRNet网络的人体姿态估计模型,在获得的人体位置基础上估计人体骨骼点的位置。首先以HRNet人体姿态估计网络为基础,通过对原模型的低分辨率高层特征进行裁剪,建立了NHRNet网络,其与原模型相比参数量降低,但缺失注意力机制;在此基础上,通过融合注意力机制SE模块,为NHRNet网络弥补缺少的注意力机制,构建了SNHRNet人体姿态估计模型。实验结果表明,构建的SNHRNet人体姿态估计模型与原模型相比准确率有所提升,参数量有所下降,可以准确估计人体骨骼点的位置。建立了基于新分区策略的ST-GCN人体动作识别模型,对人体骨骼点信息进行学习建模,实现了人体动作识别。首先,以ST-GCN网络模型为基础,通过采样函数和权重函数构造空间图卷积;其次,提出了一种新的分区策略,通过将根节点的邻域集划分多个子集,可以关联更多骨骼点并对不同骨骼点赋予不同的权重,通过使用新的分区策略可以简化构造权重函数的过程;最后,构建了新分区策略下的ST-GCN人体动作识别模型。实验结果表明,新分区策略下的ST-GCN人体动作识别模型与原模型相比识别率有所提高,对基于三维骨骼点的人体动作识别率远高于对基于二维骨骼点的人体动作识别率。开展了实际场景人体动作识别实验。在构建人体检测模型、人体姿态估计模型和人体动作识别模型的基础上,分别使用MV-EM130C相机和手机,在室内和室外场景下共采集6类动作视频进行实验测试。实验结果表明,人体检测模型在背景简单的室内场景且使用相机采集的高分辨率视频下可以准确确定人体位置,在背景复杂的室外场景且使用手机采集的低分辨率视频下容易出现误检和检测不准确等问题;人体姿态估计模型在人体尺度变化和骨骼点遮挡等情况下可以有效定位骨骼点的位置,模型准确率高,鲁棒性好;基于二维骨骼点的人体动作识别模型对于动作变化明显且区别大的动作如俯卧撑和慢跑识别率高,对于局部运动和动作变化相近的动作如鼓掌和摇头识别率偏低,尚有进一步提高的空间。