近年来,随着智能拍摄设备的成本低廉化以及视频社交平台的快速发展,第一视角记录下的视频不断地充斥着人们的生活。第一视角视觉领域的研究具有众多潜在的应用前景,其中作为视频理解的基石,第一视角动作识别任务受到了学术界和社区越来越多的关注。然而,第一视角视频的动作识别领域的探索仍处于初期阶段,目前对于第一视角视频的理论研究较少,其与第三视角视频的内容存在显著不同且不具备同质性。本文针对该领域所存在的问题,做出如下工作:首先,本文针对第一视角交互场景设计了交叉特征融合架构。该架构利用全局-局部分支对不同参与者的动作进行建模,各分支采用多模态多流C3D网络提取互补的时空表示,通过交叉融合来消除冗余并建立关联,可以极大程度上改善第一视角交互动作识别精度。其次,本文针对第一视角日常活动场景提出了双流注意力3D特征融合网络。该网络中的3D注意力模块作用于特征图,可以抑制时空表示中的干扰部分;而模态注意力模块作用于特征向量,可以探索各模态信息的重要性。通过消融实验证实了所设计模块的有效性,表明了所提出的算法可以获取到更具辨识性的特征表示。最后,本文设计并实现了第一视角动作识别系统。该系统对我们所实现的多特征融合算法进行了封装,允许用户交互配置模型信息、启动特征融合,并将中间结果反馈到界面以直观地反映算法的执行效率和识别性能。