人体行为识别是机器人系统及计算机视觉领域的基本研究挑战之一,其研究内容是识别视频中的人体行为,对视频进行分类。基于视觉的人体行为识别技术有着重要的现实意义,在智能监控,自动驾驶,视频剪辑,基于互联网视频的内容检索与分类,以及人机交互,游戏娱乐等领域有着重要的应用价值。传统算法往往识别精度较低,实现复杂,且大多依赖手工特征,模型的普适性较差;深度学习的出现与普及在很大程度上解决了传统算法中存在的一系列问题,其端到端的自适应学习方式以及接近人类水平的识别精度使得该方法成为人体行为识别研究领域中的主流算法。但目前精度较高的深度学习算法往往模型复杂度较大,无法部署在低算力的移动设备当中满足实时性的应用需求,所以研究一个高精度低延迟的算法模型将对大规模应用人体行为识别技术产生重要意义。本文主要针对基于深度卷积神经网络的轻量级人体行为识别算法展开研究,内容如下:1.将二维图像领域的轻量级算法模型拓展到三维视频领域。综合研究了二维卷积和三维卷积在人体行为识别任务上的各自优势及不足,并对二者的融合模型展开探索,以降低网络模型复杂度。2.在模型结构的轻量化处理上做了大量的改进与创新。在原模型基础上引入时空可分离卷积和通道分片重排机制,大幅降低了模型参数量和计算量,同时维持了模型识别精度,提升了模型整体的识别性能。3.提出了一种更适合视频任务的轻量级视觉注意力模块。本文对多种轻量级注意力模块在算法模型中的作用展开研究,并提出一种新型轻量级注意力模块,进一步提升了网络性能。4.提出了一种新型高效的双路神经网络结构人体行为识别算法模型。本文基于本实验中得到的单路神经网络算法模型,提出了一种新型轻量级双路网络结构模型,使用两路卷积神经网络联合提取视频中的时空特征,在大幅简化模型结构、降低模型参数量和计算量的同时有着更高的识别性能。5.利用迁移学习技术大幅提升模型识别精度。本文将轻量级网络模型在更大规模视频人体行为识别数据集上预训练,并迁移至UCF101数据集的识别任务当中,在不增加模型复杂度的前提下大幅提升了模型识别精度。模型最终的人体行为识别准确率为63.2%,达到了接近和超过现有同等轻量级别算法模型的识别水平。