近年来,随着动作识别技术在现实应用中需求的不断增加,该技术成为了计算机视觉领域的研究热点。通过对熊猫素材进行动作识别与分类,能够为熊猫文化创作者提供大量丰富、真实的熊猫资源,使得熊猫文化创作者能方便从丰富的资源库中提取所需图像。这可以极大地方便文化创作,提高熊猫文化创作的效率,同时可以降低创作成本,有十分重要的经济价值和文化价值。针对目前熊猫动作识别研究存在如下问题:(1)目前尚未建立标准的熊猫数据集;(2)因熊猫形态及背景等因素影响,熊猫动作样本集分类较难,使得熊猫的动作识别相对较难;(3)熊猫动作数据集样本数量相对较少,且存在数据不平衡导致的小类别样本识别率低的问题。(4)没有实际可应用熊猫动作识别算法的平台。针对上述问题,本文的研究内容分为以下三点。首先,本文提出了数据不平衡下的熊猫动作检测算法和基于Transformer的熊猫动作识别算法,两个算法分别针对图像和视频两种不同类型的数据集进行动作识别。其中数据不平衡下的熊猫动作检测算法通过训练集划分的方法对SSD模型加以改进,以提高在熊猫图像数据集小类别的识别率。而基于Transformer模型的熊猫动作识别算法,在Transformer模型的基础上,加入了光流算子来提取视频帧之间的动作特征,通过提取有效的光流特征来提高算法的识别率。同时,为了更准确地对算法进行评估,我们分别制作了熊猫图片和视频的数据集,并在数据集上对本文提出的两个算法和其基准算法进行了实验。实验表明,两个算法均在原有模型的识别效果上有所提升。最后实现了熊猫资源库平台。平台提供给用户大量的熊猫素材资源,并提供给用户上传熊猫相关图片和视频资源的渠道,实现熊猫资源的共享。平台同时使用本文提出的算法对熊猫素材进行分类,用户可精准检索数据库中不同分类的图片和视频素材。