人体行为识别是一项通过各种传感器数据来获取人体动作的技术,是计算机视觉领域中的重要研究方向之一。随着互联网带宽的不断提高,网络短视频和网络直播等行业逐渐兴起,由此产生的大量视频数据亟待被合理地分类和管理,这一任务通常需要以行为识别技术作为基础。此外,行为识别在安防监控、自动驾驶以及医疗看护等领域也有着广阔的应用场景,它能解决这些领域中人力资源短缺、人工操作响应慢等问题。随着深度学习在人工智能的各个领域中大放异彩,越来越多的计算机视觉任务开始采用深度学习的相关技术并且取得了许多显著的成果。然而,考虑到计算成本高和识别准确率低等问题,基于深度学习的行为识别方法在现阶段还尚未达到令人满意的效果。因此,如何提升行为识别准确率并降低计算量具有着十分重大的研究价值和现实意义。本文针对现有行为识别方法中存在的问题进行了深入研讨和优化改进,并在准确率与计算速度方面有了显著的提升。现将本文的主要工作总结如下:第一,本文在对比了目前各种主流行为识别方法的基础上,提出了一种基于多尺度边缘表征的行为识别网络架构,通过将运动物体的边缘变化图像代替光流图像进行运动表征,有效地解决了光流图像计算耗时长、占用存储多等问题,使得该方法有能力应用于需要低计算延迟的实时应用场景中。多尺度特性使得网络能够自适应地学习视频帧之间的变化特性,提升网络对于不同变化幅度的动作的鲁棒性,从而提高网络性能。该方法在更关注动作的Something-Something-V1数据集上取得了 54.80%的准确率,与目前最好的方法在准确率上近似（55.16%）的同时在计算速度上更有优势。第二,有效利用动作信息与时序信息,提出了时序片段运动表征模块与时序信息融合模块,加强了网络对于时序信息的提取和融合。对于行为识别任务来说,短时期的动作信息与中长时期的时序信息都是分类的关键。时序片段运动表征模块的思路来源于运动挤压模块,能够利用边缘表征计算的中间结果,用非常少的计算消耗就能够提升网络性能;时序信息融合模块则具有更高的识别准确率提升作用,它通过学习权重的方式融合不同时间片段的信息。该方法在Something-Something-V1数据集上取得了 54.32%的准确率。