新冠疫情肆虐全球,给世界经济和人们的生命带来了巨大损失。据世卫组织专家估计,人类可能要与新冠病毒长期共存,做好个人防护是预防新冠病毒传染的最有效方法。因此,正确及时的个人防疫措施显得尤其重要。个人防护措施主要包括:正确的洗手方式、佩戴口罩和不乱擤鼻涕等,对这些防护措施正确到位的识别,有助于减少疫情感染传播。多流网络（Multi-Stream）是指将多种模态的数据流输入至不同的分支网络,采用多流融合机制进行融合,从而利用不同数据流的优点,提升算法精度和性能的网络。本文研究了一种基于多流网络的疫情防控行为识别算法并进行了相应的测试实验。论文的主要工作包括以下几个方面:首先,研究了多流融合网络算法。主要包括:1)卷积层运算、权重复制机制、交叉熵损失、反向传播算法以及权重更新与优化算法;2)多流卷积神经网络中的特征相加、特征拼接和平均值、加权、最大值的多流融合机制。其次,研究了基于多模态的人体行为识别算法。主要包括:1)3D CNN法和双流法两种基于RGB视频的行为识别算法;2)深度时空兴趣点法和DMMs法两种基于Depth视频的行为识别算法。分析了不同模态数据和主流算法的优缺点。再次,完成了基于多流网络的人体行为识别算法的设计与实现。主要包括:公开行为识别数据集的行为类别、改进的单分支网络和多流网络算法的基本原理分析;RGB、Depth数据的FFmpeg关键帧提取、调整尺寸大小、像素值归一化、数据增强策略和中值滤波等预处理的实现;时空域流、运动域流、时间域流和HHA深度编码特征提取的实现;改进算法模型的参数迁移和训练。最后,完成了疫情防控行为识别实验测试及结果分析。主要包括:构建了疫情防控（彩色-深度）RGB-Depth行为数据集,采集了50人的行为数据,并做了预处理和提取特征,经过对比分析改进的单分支网络算法的不同训练策略、多流网络算法在不同融合机制、公开数据集下的识别效果,结果表明,ASTM网络算法和DCNN-HHA网络算法识别效果都较好,其中多流网络算法识别率最高。对多流网络算法进行了实时性测试,测试结果达到了预期,表明该算法能满足对疫情防控行为进行实时识别和部署的需求,具有一定的工程应用价值。