人体动作与行为识别是计算机视觉领域研究热点之一,是反恐预警和营区安全等领域的重要研究内容。本文深入研究了行人可靠检测、姿态快速估计、异常行为判别等方法。针对人体之间相互遮挡和图像分辨率低造成的小尺度行人问题,本文提出了基于端到端深度网络的行人检测方法。该算法采用改进的循环卷积神经网络模型,通过多重上采样和反卷积运算,融合深度网络中浅层对人体的位置信息和深层对人体的语义信息,提高了单阶段行人检测器对遮挡和小尺度行人的鲁棒性。针对多人关键点估计易混淆和人体部件的多尺度问题,本文提出了多尺度级联的人体姿态估计方法。该算法首先利用单阶段行人检测器定位人体候选框;然后通过级联的网络模型,估计人体关键点粗略位置,并逐步对位置精细化,提高了人体耳鼻等细微关键点的定位精度。利用基于深度网络的单阶段行人检测器和多尺度级联的姿态估计提取人体骨架特征信息,训练人体动作分类器,判断人体行为。该方法可以对多个人体动作同时分析,可以作为多人行为分析的基础。