自助行李托运系统可自动对行李进行重量、尺寸和件数进行检测,合格后将其转到传输与分拣系统。旅客自助操作过程的规范性是行李自助托运的风险点,失范行为会造成行输系统故障,甚至影响航空运输安全。其中,一次同时托运两件及以上的行李是比较典型的风险点。目前,基于行李二维图像和三维点云图像的检测方法,因行李的雷同和堆叠而难以准确检测。为此,研究基于深度图像序列的航空行李自助托运失范行为识别方法来检测实际投放的行李件数的方法,具有重要意义。论文的主要工作包括:首先,研究并分析了行为的定义、自助行李托运的流程以及常见的自助行李托运行为,定义了规范行为和失范行为,提出基于运动历史图的托运行为建模方法。设计了托运行为数据采集方法,并建立托运行为数据库。其次,将基于机器学习方法的SIFT-BOW-SVM和C3D网络应用到本文的实际的应用环境中对托运行为进行识别。再次,提出了基于改进运动历史图和卷积神经网络的托运行为识别算法。针对背景干扰问题,研究了基于GrabCut算法的关键目标区域提取方法,同时与帧间差分法以及混合高斯背景建模结合帧间差分的方法对比;针对信息冗余和实时性的问题,提出了关键帧提取和改进运动历史图算法;构建了卷积神经网络模型,用来提取特征和分类。最后,介绍了自助行李托运系统的软硬件结构,并在此基础上设计了托运行为识别系统,并对系统进行测试。