自动扶梯属于开放性空间运输设备,乘客有相对较大的活动范围,对其产生伤害的因素非常多,不规范的乘客危险动作对其人身安全产生威胁。在自动扶梯场景下的视频人体动作识别中,视频数据源不稳定,如遮挡、多视角、光照、低分辨率、动态背景以及背景混乱等均导致动作分类及检测不准确。针对这些问题,提出基于深度学习的自动扶梯视频人体检测和人体动作识别方法。现实生产生活中,基于完整视频流的视频处理通常导致视频冗余,给硬件运算资源与运算速度带来较大压力,本文在视频处理中引入弱监督策略YOLO Nano网络检测输入视频流中的人体目标位置,之后截取人体目标视频段再进行后续人体动作识别;基于融合时域分割结构开发了一种改进Slow Fast网络的人体动作识别模型,针对完整视频完成特征的学习,使得该网络模型对于复杂的长时信息仍具备学习能力,网络模型在视频中的动作分类和检测方面都表现了很好的性能;基于华为Atlas 200 DK开发者套件部署应用了一种人体检测网络模型YOLO Nano与人体动作识别网络模型改进Slow Fast的前端智能架构,实现智慧终端的实时智能检测与预警。智慧终端在前端数据采集设备中嵌入智能识别算法,在前端直接完成采集的图像与视频信息的处理分析。前端智能监测的每一路前端相机都能够实现智能的实时处理分析,大幅降低延时,实现端侧智能监测,实时输出分析结果。本文开发的智慧终端架构有效地解决自动扶梯场景下的人体动作识别问题与异常告警,并且能够满足实时性要求。本文的主要研究工作与应用成果能够体现在以下几点:（1）介绍了传统的机器学习技术以及相关深度学习理论;介绍了传统人体检测和传统视频人体动作识别的主流研究方法和相关理论基础;介绍了基于深度学习的方法比较于以往传统方法的技术优势与研究前景。（2）基于YOLO Nano多目标检测网络完成人体检测网络的搭建,调整网络结构中输出通道的数目,人体目标类别得以维持,设计了网络参数量减少的人体检测网络,检测人体目标在视频中的位置坐标。（3）结合k-means聚类方法完成人体检测网络中先验框不同大小和不同数量的预设,使网络模型性能增强,接着基于在开源数据集上完成的对比实验确定性能最优的人体检测模型。本文提出的人体检测模型的（90）性能相比较原模型增强了2.04%,召回率相比较原模型增强了3.08%,FPS为19。（4）介绍了双流卷积网络R（2+1）D以及一种能够直接以RGB视频作为输入的端到端的Slow Fast网络。基于融合时域分割结构开发了一种改进Slow Fast网络的人体动作识别架构。一方面维持了原Slow Fast网络模型的特点,另一方面在不产生Slow Fast网络附加运算量的前提下相应程度上提高了网络的性能表现。（5）分别比较了改进Slow Fast网络在不同输入采样及主干网络下的性能表现;比较了R（2+1）D网络模型、原Slow Fast网络模型以及改进Slow Fast网络模型的性能表现;以及比较了改进Slow Fast网络在不同时间通道输入下的性能表现,改进Slow Fast网络模型相比较R（2+1）D网络模型以及原Slow Fast网络模型其top-1分类准确率分别提高了6.0%和2.4%、top-5分类准确率分别提高了4.5%和2.4%及计算复杂度GFLOPs分别降低了116.9和1.2,结果证明了改进Slow Fast网络针对视频人体动作识别任务的优异性能表现。（6）基于华为Atlas 200 DK开发者套件部署应用了一种人体检测网络模型YOLO Nano与人体动作识别网络模型改进Slow Fast的前端智能架构,并自行拍摄制作自动扶梯场景下人体动作视频数据集,完成华为昇腾模型转换与算法部署应用,实现昇腾AI设备上运行的自动扶梯视频人体检测与人体动作识别离线模型,实现智慧终端的实时智能检测与预警。最终智慧终端架构实现了97.5%的识别准确率与365ms的实时推理检测时间。