基于视频的人体动作识别,作为近年来计算机视觉领域中热门的研究课题,被广泛应用于智能安防、智慧医疗、人机交互和视频检索等领域。然而动作的类内差异性和类间相似性增加了动作的识别难度;背景复杂性、视角多样性和光照强弱性也同样影响识别性能。为了改善人体动作的识别性能,本文基于深度学习方法,通过学习动作的时空特征对人体动作识别进行深入研究,主要研究工作如下:1)给出一种基于随机稀疏时间采样方法。大多数人体动作识别方法都是基于视频数据进行识别分类,然而视频中存在数据冗余。因此,对动作分类前需要将视频数据进行采样处理。本文采用随机稀疏时间采样方法,去除视频的冗余问题,并且采用几何变换方法和像素变换方法进行数据增强。2)给出一种基于时空注意力和卷积LSTM相结合的动作识别方法。在Inception V2模型上进行改进,采用随机稀疏时间采样方法覆盖整个动作视频,借助注意力模块与卷积LSTM提取动作识别关键特征,增强模型对动作时空特征的表达能力。给出的方法在UCF101和HMDB51数据集上准确率分别达到了92.45%和66.74%。同时,本章模型的时间复杂度和空间复杂度与其他方法相比都有所下降,验证了本章方法的有效性。3)给出一种基于多角度移位Transformer动作识别方法。本模型在Transformer网络的基础上进行改进,提出局部自注意力和多角度移位分区方法。局部自注意力将动作的时空结构和局部信息整合到Transformer结构中,使得时空内距离彼此较近的特征更有相关性。多角度移位分区方法则整合了视频中局部和全局的动作特征,极大地提高了模型的特征提取能力。本章给出的方法在UCF101和HMDB51数据集上准确率分别达到了94.77%和72.48%,验证了本章方法在动作识别任务中的有效性。