随着智能产品在日常生活中的普及,以视频为载体的人体动作识别,因其具有重要的学术研究价值和商业应用前景,受到了国内外众多科研院所和工业厂商的高度关注。近年来,针对视频中人体动作识别的研究已经取得了诸多成果,传统的手工提取特征的方法能够根据任务的需要提取相应的特征,易于实现且可解释性强。然而,面对复杂场景的分析和多目标的运动,手工提取特征的方法其局限性逐渐突出。在海量数据的驱动下,深度学习技术在图像分类任务中表现出优良的性能,深度网络模型也被引入到视频分析的任务当中学习视频内容的抽象表示,并在人体动作识别领域得到了成功的应用。通常来讲,如何提取具有区分性和表征力的动作特征以及选取性能优良的分类器对动作类别进行预测分类,是该问题研究的关键所在。本文围绕特征的区分性问题,分别从视频的显著性和特征区域的关注度两个角度考虑,研究了人体动作识别中的一些关键性技术,本文的主要工作如下:（1）基于对视频图像进行显著性分析的前提,结合密集轨迹算法提出显著性密集轨迹,以此来表征人体动作。与密集轨迹算法相比较,本文通过分析背景变化和动作执行过程中二者动态信息的差异性,将图像帧的特征表示转化为数据字典的稀疏系数表示后,利用低秩分解的方法得到稀疏误差矩阵,进一步求解视频的显著图。并且以显著图作为依据仅在动作相关区域内形成显著性轨迹来表征人体动作。经过实验验证,视频显著性分析的引入有效过滤了背景运动引起的冗余轨迹,保留了人体动作的运动轨迹,降低了背景运动轨迹带来的干扰性影响,增强了轨迹的表征能力。（2）在“编-解码”框架下,提出了基于注意力机制和卷积长短时记忆单元的动作识别方法。针对应用于动作识别中的注意力模型在关注图像序列中的感兴趣区域时,侧重于通道间的相关性而忽视了显著区域的空间位置信息,因而缺乏对视频中动态区域的精准辨识能力。本文依照在基础网络的末端嵌入注意力模型再结合长短时记忆单元进行分类的研究路线。首先,使用Res Net-50网络获取视频帧的特征表示,并利用卷积块注意力模块依次从通道和空间维度聚焦于图像帧的关键区域,实现了对卷积特征图中权值的优化调整,从而抑制或降低了动作无关区域引起的干扰性因素。同时,考虑到长短时记忆网络在处理时空数据时存在的不足,使用卷积长短时记忆网络对特征的序列信息进行建模并得到帧级别的预测,最后综合所有帧的预测共同确定视频的分类结果。在三个公开数据集上的实验结果表明,本文所设计的方法能够有效地突出视频中关键性区域,增强了视频内容的显著性表达,在一定程度上提升了动作识别的准确率。