近年来,由于计算机性能的提高,存储器容量的提升,传感器的不断发展,照相机摄像机等的广泛应用,无论线上还是线下视频数据量都呈现爆炸式增长。实现基于视频的人类行为识别,在智能监控,人机交互,虚拟现实,智能安防,运动员辅助训练等各个方面有极为现实的意义。如今在图像识别方面深度学习已经有很大的突破,虽然基于视频的人体行为识别与图像识别有一定的相似性,但是人体行为识别面临更多的问题,主要有几方面的挑战:一是视频不仅包括了空间信息,还包括帧与帧的时序性信息,因此如何提取并学习这种时序信息成为了关键,二是视频转换成单帧带来的庞大,冗余的数据量,三是相机视角的不确定性,而且相机移动对识别人体行为具有一定干扰性,四是环境因素的影响,如光照,像素等。因此如何克服这些难题准确理解人体行为成为行为识别的主要研究内容。本文主要在公开的大型视频数据集UCF-101和HMDB51上展开人体行为识别研究,主要内容如下:提出了基于分而治之的行为识别模型,包括两个模块,分别是基于稀疏采样的行为识别模块和基于密集采样的行为识别模块。在稀疏采样识别模块中,由于视频转换成单帧图像带来的大量冗余数据,从视频帧中稀疏采样一定数量图像,利用深度学习进行预训练和分类,并设置阈值α,当预分类效果小于α时,预分类结果即为最终分类结果,当其大于α时,此行为需要在密集采样模型中进行分类,这一步我们主要利用视频中的空间信息,关键帧等特征作初步分类,保留好的分类效果,筛选出分类效果差的数据进入密集采样模型中。密集采样识别模块针对上一步中预分类值大于α的行为数据,当其大于α时,此行为并没有被稀疏采样识别模块较准确的识别,大多数情况下是由于行为特征相似度较高,稀疏采样模型难以区分,需要密集采样模型来进一步识别,最终输出融合了稀疏采样模型和密集采样模型的结果。最后对模型进行测试,在UCF-101和HMDB51数据集上的实验结果表明基于分而治之的人体行为识别模型整体上有较好的识别率,分别达到了94.5%和69.2%的准确率。