随着社会生活的快速变化,智能监控系统逐渐成为人们关注的重点。智能监控是指可以对特定场景中的人、事、物进行实时监控,并对场景中可能发生的特异性事件进行分析、预测,尤其是对人的行为动作进行自动识别,以实现特定人员的追踪或提前预警功能。此外,应用人体识别的智能监控系统还可以在安全监控中通过对人体异常行为的分析和识别,实现健康风险在线管控和突发疾病的及时报警,可以有效解决因得不到及时救治而导致的残疾或死亡,在智能家居、智慧养老等方面发挥了重要作用。本文主要研究基于视频图像的人体动作识别算法。在传统双流法网络结构的基础上,本文利用目标识别网络改进双流法的数据处理方式,构造了一种基于多层循环神经网络的人体动作识别算法,实现了从“视频图像信息提取——人体动作语义识别”的自适应处理功能。本文利用NTU RGB+D人体动作识别数据库,对常见人体动作,如梳头、坐下、起立、挥手、跌倒、头痛等动作进行识别。仿真实验表明本文提出的算法识别视频数据中的常见动作具有较好的准确性和实时性。主要研究工作如下:(1)针对传统双流法算法每次只能处理单帧图像的问题,我们引入三维卷积金字塔模型分析连续图像的相关信息。改进后的算法模型可以读取连续视频图像,同时还增强了模型分割不同连贯动作的能力。(2)针对视频图像中背景等无关信息过多的问题,提出了改进的多层循环神经网络用于识别人体动作。多层循环神经网络可以提取视频序列的深层语义信息,而深层语义信息可以将图像中与动作无关的信息剥离仅留下与动作直接相关的信息,提高动作识别的可靠性。