随着多媒体和互联网技术的发展，视频数量飞速增加，使得视频智能化应用的发展受到了广泛关注。视频行为识别旨在对视频内容进行理解，以准确识别视频中目标的运动类别，其在视频检索、智能监控、人机交互领域具有广泛的应用前景，目前已成为计算机视觉领域的热点研究课题。视频行为识别的关键在于获取能够准确描述视频内容的特征表达。近年来，深度学习在特征学习方面表现出了优异的性能，被广泛应用于各类计算机视觉任务中。本文以提高视频特征表达能力为目标，开展了基于深度学习的视频行为识别研究。
　　本文提出了一种基于通道级时域注意力网络的视频行为识别方法。首先，采用时域信息聚合模块，将视频中的采样帧作为输入，获取帧级特征表达以及全局特征表达。该全局特征表达用于注意力得分的提取，从而挖掘时域上下文相关性。然后，提出了通道级注意力生成模块，将上述获得的全局特征表达作为输入，提取各帧级特征向量的通道级时域注意力得分。最后，以通道级时域注意力得分作为权重，将帧级特征融合为视频级特征表达，从而突出视频中的细粒度关键信息。两个公开数据集上的对比实验结果表明，所提出的方法能够获得较好的识别性能。
　　本文还实现了一种基于门控注意力单元的视频行为识别方法。首先，基于特征筛选模块，利用门控函数对视频特征进行筛选，保留与目标行为相关的关键信息。然后，设计了特征融合模块，采用特征筛选模块输出的视频特征作为引导信息，提取帧级特征的注意力得分。由于特征筛选模块输出的视频特征中保留了与行为相关的关键信息，将其作为引导信息能够提升注意力得分的有效性。最后，采用注意力得分作为融合权重，通过加权求和的方式将帧级特征融合为视频级特征，实现视频特征的优化。公开数据集上的实验结果表明，该方法获得了良好的视频行为识别性能。