准确实时的识别出遮蔽处的人体行为在军事反恐、医疗监护等军用和民用诸多领域有重大意义,也是当前相关领域的研究热点。本文围绕遮蔽人体行为实时识别的问题,开展了人体行为建模与回波数据预处理、遮蔽人体行为实时识别网络的构建以及实时行为识别评价等问题的研究,具体工作如下:1、针对传统人体行为整体描述模型的非实时识别应用问题,首先构建了离散化人体行为描述模型,实现了遮蔽人体行为的局部特征描述,为遮蔽人体实时行为识别提供模型基础。然后,搭建实验室环境采集实际人体雷达回波数据。其次,在所提人体行为模型基础上,对雷达回波数据进行标签标记、归一化、批次化以及乱序处理,为后续遮蔽人体行为实时识别模型的实现提供数据基础。2、针对高维时变非等长遮蔽人体行为数据的实时识别处理问题,首先建立了基于全连接神经层的行为数据降维网络,有效提取了遮蔽人体行为的低维短时局部特征;其次建立了基于长短时记忆单元的遮蔽人体行为实时识别网络,具备了人体行为类型短时判决的能力;最后,研究了基于行为数据随机切分的BPTT训练方法,实现了遮蔽人体行为的实时识别。3、针对遮蔽人体行为实时识别模型合理评价的问题,研究了基于IOU-F1 Score的行为实时识别模型评价标准,准确评价了遮蔽人体行为识别模型的识别实时性与识别稳定性。4、针对遮蔽人体行为实时识别模型识别不稳健的问题,构建了基于长短时记忆单元的识别稳健性增强网络,在保证实时性能基本不变的前提下,增强了模型行为识别结果的稳定性,实现了遮蔽人体行为的实时稳健识别。以上方法经过实测数据得到验证。