行为识别（Action Recognition）是视频处理领域中的重要组成部分,它通过在时间域上预分割的序列来确定行为动作的类型。伴随着硬件设备的不断升级和视频采集设备的不断发展,行为识别技术的得到了越来越广泛的应用。该文针对卷积神经网络的视频行为识别算法进行了详细研究,通过设计并添加新的网络结构,旨在提高网络的特征提取和特征表达能力。具体工作内容如下:首先,构建了基于时空卷积优化的行为识别算法。借鉴于双流算法,将视频特征划分为时间和空间两个分支。针对时空卷积进行优化,该算法设计了时空特征的自适应加权,并在C3D网络的基础上,对级联和并联两种自适加权方式进行了比较。随后在残差结构中进行了探讨,分析了残差对时空特征自适应加权的影响。其次,设计了一种全局注意力机制并应用于行为识别领域。考虑到注意力机制中使用全连接建立跨通道间信息的交互,研究了一种自适应卷积核,实现通道间的交互。通过对比改进后的双重注意力和全局注意力实验,验证了全局注意力机制在视频行为识别领域精确度更好。随后在更深的3D残差网络中嵌入了改进后的全局注意力,在UCF101数据集上实现了模型识别率的进一步提高。最后,考虑到三维卷积神经网络参数过多,计算量太大,针对三维卷积的轻量化构建了3DGhost Net模型。3DGhost Net以Ghost Net为基础,将2D卷积扩展到3D卷积。同时,为了应用于视频行为识别领域,将3DGhost Net网络嵌入了全局注意力机制,使算法拥有更强的特征表达能力,实现了模型参数量的降低,达到了模型压缩的目的。