基于光流的动作预测方法受到了研究者的的广泛关注,通常光流适合运动幅度较大的动作预测,并且光流受外界因素影响容易引入冗余信息;基于姿态的动作预测方法比较适合细微动作的预测,但人体姿态易受光照和遮挡等因素的影响,还没有得到研究者的广泛关注,因此本文对基于光流的和基于姿态的动作预测进行了研究。针对运动幅度较大的动作,本文提出了一种基于光流的深度学习动作预测方法。为了评估光流中的冗余信息,本文提出了一种光流冗余信息的度量方法。对于背景引入的冗余信息,通过合理选取目标区域以消除背景对预测带来的干扰;对于相机抖动引入的冗余信息,通过计算背景中的光流来消除由相机运动对动作预测带来的影响;对于视频中目标静止部分引入的冗余信息,通过检测目标区域是否静止来消除目标静止部分对动作预测的负面作用。以去除冗余信息的光流为基础,设计了结合空间尺度和时间尺度的动作预测网络。UT-Interaction setl和UT-Interactionset2数据集上的实验结果表明本文方法的有效性。针对细微动作,本文提出了一种基于姿态的动作预测方法并应用于考生作弊行为预测。首先使用深度学习进行姿态估计;针对回头作弊,当考生头部姿态存在异常后,提取相应的图像,使用SVM判断是否为回头作弊;对于使用纸条或手机作弊,结合手部和头部姿态进行分析,如果存在异常则截取手部区域图像,使用卷积网络判断手部附近是否有纸条或手机。本文使用考场监控视频对基于姿态的动作预测方法进行了验证,实验结果比较理想。