无论是商业角度还是社会角度上,人体行为识别技术在智能监控、人机交互、视频检索等领域都有着重要的应用价值。在人体动作本身具有高度复杂性、外界背景干扰、相机存在扰动等条件下,提高人体行为识别任务的准确率成为一个富有挑战性的研究内容,因此人体行为识别算法的研究有着重要的现实意义。本文深入研究了人体行为识别的相关技术后,主要工作如下:首先,构建了一种将视频分成若干段,每一段使用3D卷积神经网络的特征提取方法。考虑到传统的3D卷积神经网络输入连续帧图像是固定的,不能充分表征整个视频动作特征,本文首先将视频分成若干段,然后各分段进行3D卷积神经网络的特征提取。最后在UCF101数据集上进行测试,测试结果表明,分段的3D卷积网络准确率为82.7%,未加载预训练模型的双流网络的准确率为81.6%,实验表明,本文的分段3D卷积网络在视频特征提取上比2D卷积网络效果更好。其次,讨论了一种基于长短时记忆神经网络（Long Short Term Memory,LSTM）学习动作特征上下文的方法。针对动作时序信息既受到前文影响,又受到后文影响这一问题,本文使用两个LSTM网络并联的方式,分别对视频特征从前向后和从后向前处理,可以处理上下文的视频特征。最后在UCF101数据集上验证了该模型在人体行为识别任务上比单向的LSTM有着更好的表现。最后,提出了一种基于注意力机制的显著性特征提取的方案。由于图像不同区域具有不同的重要性,本文利用基于输入项的软注意力机制对特征图像各像素点分配不同的权重系数,使得网络更容易学到权重较大的区域。各分段视频的结果融合使用自注意力机制,通过本身的特征序列分布,分配各个分段的结果序列的权重系数。最后本文系统在UCF101测试集上与几种主流的人体行为识别方法比较:使用SVM的双流网络准确率为 88.0%,2DCNN+LSTM 网络准确率达到 88.6%,而本文的 C3D+Bi-LSTM+Attention模型在上的准确率达到90.7%,结果表明,本文提出的系统方案效果更佳。