人体体态行为模式识别技术是机器视觉领域的一个重要研究课题，特别是随着人工智能时代的逐步到来，人体体态动作识别技术的研究则更显得尤为重要。人体体态行为识别作为一种模式识别技术，已经开始慢慢渗透到人们的生活当中，也开始渐渐便携人们生活体验的方方面面，特别是在医疗护理、视频标注、智能监控、运动分析、虚拟现实、人机交互等领域具有广阔的应用前景和现实的社会需求。尽管早期也出现过一些关于人体动作识别的研究，所采用的方法多是基于传感器方式或是基于传统图像处理算法实现的，而基于这两种方法实现的人体体态动作识别系统因普遍存在着识别率低下、不能很好解决多人场景下的体态识别等问题，导致人体体态行为识别这项技术在现实生活中还没能得到大规模的推广和批量的投入使用。深度学习作为近几年里兴起的一项热门技术，因具有优异的数据学习特征表征能力，能够轻松实现对数据的自主学习、自主特征提取，使得深度学习在机器学习的图像、语音、文本领域里表现出了强劲的性能。　　本文提出一种基于深度学习的人体体态行为识别方法，重点针对应用在人体体态行为模式识别上的深度学习算法展开深入研究。论文将深度学习技术作为人体体态行为模式识别的核心方法，首先利用深度学习模型中的卷积神经网络结构能够自主提取物体特征的特性，对人体的体态行为进行特征学习；为了提高人体体态识别系统的性能，论文中进一步引入研究了基于深度学习方法的目标检测机制，在对人体体态行为特征提取之前，加入行人检测机制，有效的解决了复杂场景下多人体态行为检测的目标丢失问题，提高了系统识别准确率；最后论文提出一种基于自主改进的双网络模型的人体体态行为模式识别方案，并对基于该方案设计的深度学习人体体态行为识别系统利用自主构建的人体体态行为数据集进行模式识别测试验证。　　测试结果表明：本文基于深度学习方法设计出的人体体态行为识别系统不仅能对人们生活中常见的走、跑、坐、躺、蹲、站、跌倒、踢腿、挥手、鼓掌、弯腰共11 种常见的人体体态行为进行有效的识别，其平均识别率高达 97.3%，而且该系统对于多人场景下的人体体态行为，也能进行精准有效地识别。另外本文设计的人体体态行为识别系统还具有很强的实时性，能对摄像头捕捉的视频流里的人体体态行为进行实时有效地分析。