面向视频数据的行为智能分类研究因其具有重要意义和应用价值,目前已经逐渐成为学术界与产业界的研究重点。该研究不仅苛求于算法模型能够挖掘视频中完备的空间特征,亦需对时间信息进行有效表达。尤其是在时间建模方面,近年来的算法研究多数通过引入时间差分操作来提取相邻帧之间的运动信息,并使用相加融合或注意力融合的方式将其融入到原始特征当中,取得了一定效果。然而,通过分析,时间差分操作以及对运动信息无差别对待的方式易于使时间特征受到负面影响,从而导致最终效果受限。有鉴于此,本研究提出了一种基于运动增强与特征融合的新算法,贡献如下:（1）针对现有时间差分操作导致的非完整运动轮廓提取缺陷,设计了一种运动累加模块（Motion Accumulation Module,MAM）,一定程度上解决了差分算法关键信息提取不完整的潜在问题。具体而言,通过特征级别的时间累加操作来获取更为广泛的空间运动信息,以期在提取到视频帧蕴含的有效运动信息同时,可以保持所提取运动目标的轮廓完整性。（2）考虑到现有算法多采用“平等”融合方式,即将所提取运动特征均以相同的贡献参与分类,因而识别效果受限。为此,设计了一种运动选择模块（Motion Selection Module,MSM）,使模型在训练过程中能够通过自主学习的方式获得不同运动部分的融合权重,最终将所提取的运动信息选择性地融合到原始特征当中,以确保所融合的运动信息对模型的识别有效且是正激励的。（3）作为整体思考,上述改进后的模块统一到（2+1）D卷积网络结构中,构建了最终的运动累加和选择网络（Motion Accumulation and Selection Network,MASNet）。经消融实验与实际验证,本研究所提出的MAS-Net模型在SomethingSomething V1和Something-Something V2两个与时间相关的行为识别数据集上均取得目前最先进的成绩（55.4%及66.7%）,且计算量保持在较低的水平;同时,在与场景相关的Kinetics-400数据集上也达到了极有竞争力的水平（76.3%）。因而,本研究成果可以有效支撑视频中的行为智能分类应用要求。