长期以来,因人体动作的复杂性和多样性,人体动作识别一直是被广泛关注的研究热点。现有的动作识别方法在单一特定场景中效果较为突出,但应用于复杂场景中时因视频景深、天气、分辨率、光照、远景目标过小、俯视自身遮挡以及干扰物遮挡等因素的影响,很难准确地提取到人体的全部动作特征,识别效果急剧下降,复杂场景下的人体动作识别成为了一个亟待解决的难题。针对以上的问题,结合海上采油平台的实际场景,本文设计了一个复杂场景下基于目标检测、关键点检测和时空图卷积网络的动作识别框架,主要分为以下三个内容。目标检测是复杂场景下人体动作识别首要解决的问题,本文提出了适用于复杂场景中的目标检测器,利用关键点不易受繁杂背景噪声影响的特征,将人体关键点的位置作为高级特征加入目标检测。通过特征嵌入和角点池化层来建模两组角点的信息,加入中心关键点来构造关键点三元组;结合特征图中目标内部以及边界方向的响应值来预测目标,从而准确匹配属于同一目标的关键点,在存在噪声的情况下更具有鲁棒性,能够降低目标检测的误差。针对干扰物遮挡及人体自身遮挡问题,本文提出了一种改进的多级卷积姿态机算法。该算法通过身体部位定位得到所有可见的关键点坐标,使用高维空间的向量来编码不同关键点之间的关系,用于预测像素点在骨架中的二维矢量场;利用人体各部位矢量之间的位移长度建立关键点之间的相对位置关系,从而实现人体不可见关键点的预测与估计,免去了人工标注目标的繁杂工作。本文通过在人体关键点序列上构建时空图,关键点的运动轨迹以图结构的形式自然表示。通过结合时序注意力机制处理动作的类内和类间变化,对关键部位和关键帧分配合适的重要性权重,充分利用了空间和时序结构信息,这是在海上采油平台实际工程场景中实现实时在线动作识别任务的首次尝试。实验结果表明,本文提出的人体动作识别算法能够较好地解决复杂场景对动作识别造成的干扰和遮挡问题,准确率得到了明显提升,基本能够完成人体动作的在线识别任务。