视频中的人体行为识别问题的任务是输出视频片段中的人体行为类别,其应用领域十分广泛。在诸如公共场合视频监控、独居老人智能监控防护等应用场景中,能够准确及时地识别出人体的行为类型,对保障公共安全、对老人及时采取救助有着重要的意义,因此不仅需要保证行为识别方法的准确率,而且需要很高的识别速度。现有的行为识别方法将研究重点放在提升准确率方面,而针对识别计算量的关注不足,因此普遍存在计算复杂度高的问题。如何在保证性能的前提下,降低计算量成为一项挑战。本文针对现有方法存在的计算成本高的问题,提出了基于时空注意力与时空分离-融合卷积的高效的行为识别方法,能够取得良好的识别准确率,同时较大程度上降低识别的计算量。主要贡献和创新点如下:1.提出了一种时空注意力模块,该模块利用三维卷积操作从原始视频帧中提取特征,并根据特征自动判断图像帧是否包含识别所需要的关键信息,从而保留较为关键的数据,同时去除冗余的输入数据。实验结果证明,该模块在降低识别网络26%计算量的同时,取得了近似或更高的识别准确率。2.提出了时空分离-融合卷积,以代替三维卷积操作。将三维卷积操作先分解为时间维度上的卷积和空间维度上的卷积,再对时空特征进行融合。通过时空分离-融合操作,相较于三维卷积核,减少了卷积操作的参数量。实验结果证明,时空分离-融合卷积能够取得3%以上的准确率提升,并降低了24%以上的识别计算量。3.基于时空注意力与时空分离-融合卷积,设计了一种高效的人体行为识别网络。首先利用时空注意力模块对输入数据进行筛选与重新调整,然后通过时空分离-融合卷积网络进行分类识别。整个网络为端到端的,且所有参数均可通过训练过程进行优化。实验结果证明,本文方法准确率优良,而且减少了42%以上的计算量。