随着当今技术的发展,视频分析有着越来越多的应用场景,例如视频目标检测、动作识别等。其中,视频行为识别是一个受到广泛关注的任务。视频行为识别是对给定视频中人的动作进行识别,给出目标的行为类别,例如打篮球等。相对于包含丰富的静态外观信息的图像识别,视频中包含更多的时序动作信息,如何有效的获取视频中的动作信息,是视频行为识别任务的一大难点。传统的视频行为识别模型包括3D卷积模型、双流模型以及其他RNN模型捕捉视频序列中的动作。但是,这些模型往往无法充分获取视频中的多个维度信息。为了克服视频行为识别中信息捕捉不充分的问题,本文提出了融合多流的方法,即融合空间流、时间流、时空流等多个模型,捕捉动作信息。同时,为了解决视频识别中大量冗余信息以及提取光流慢的问题,本文从压缩视频角度出发,同时探究更高效的卷积方式,进一步的减少训练参数和计算成本。最后,为了充分考虑动作在不同时间片段中的不同表现,本文提出了具有动作一致性的视频级行为识别方法,对不同动作在某些时刻的相似表现进一步进行区分。本文的主要工作如下:（1）研究了如何从不同的维度捕捉特征,获取视频级的行为识别结果。结合2D和3D卷积,融合时间流、空间流、时空流多个流（模型）,对视频中的信息进行处理。实验证实基于多模型融合的视频级行为识别方法与传统的方法相比达到了最高的准确率。（2）利用视频压缩技术,将压缩视频中的多种模态用来替代光流捕获动作信息,增加了残差图像和运动向量作为输入的两个流,提出了基于压缩视频的Oct-Res Net模型。实验证明,基于压缩视频的Oct-Res Net模型在准确率和效率上都有更好的表现。（3）针对视频级行为识别中存在的部分片段相似导致动作混淆问题,提出了基于动作一致性的视频级行为识别方法。在视频的多个片段直接添加一致性的限制,通过实验证明,一致性损失可以有效区分在某些片段具有同样动作形态的多个动作。（4）除了上述对于算法模型的创新之外,本文还完成了以下几项重要的工作。首先,通过收集和整理得到足够的训练集和验证集样本,并进行数据预处理。其次,使用机器学习框架实现文中的算法模型,通过调参和训练得到训练模型。最后,对训练好的模型进行测试,得到识别结果。