人体动作识别涵盖的领域十分广泛,在许多重要领域都有极其广泛的应用。针对人体动作识别,已经有大量的科研人员进行深入的研究,但对于人体动作识别中出现的许多问题,比如会出现人与人之间的遮挡,人体动作并不是刚体运动,还会出现尺度变化以及视角变化等细微动作不明显的问题,使得人体动作识别任务中仍然存在着许多难点。因此如何研究出高效的人体动作识别技术成为了研究人员共同关注的话题。人体动作识别中的识别主题为人,人作为社会的主体,视频中也以人的视频居多,因此如何能够自动识别出视频中的人体动作,也成为一项重要且有意义的任务。人体动作识别的流程一般分为三个部分,包括特征提取,特征处理,学习算法。根据人体动作识别的类别不同,有视频和图像识别两种,基于视频的动作识别通过动作序列进行检测,而利用图像进行识别的方法,仅仅通过识别单张图像中的动作信息,从而达到识别出图像中的动作,在现阶段的研究当中,基于视频的研究较多。而针对图像的动作识别由于静态图像中提供的信息较少,因此相比较于基于视频的动作识别而言,给识别带来了更大的困难,此外基于图像的识别一般情况场景比较复杂,包含的物体较多,还有可能出现人体的遮挡等问题,因此识别较为困难。演唱会的精彩集锦,需要剪辑师人工去寻找动作特征,然后手动设置视频起点和终点进行手工剪辑,这种工作极很容易导致检测的遗漏。演唱会场景是一种非常复杂的场景,场景复杂多样,场景中人物较多,给识别带来了困难,因此本文提出一融合骨骼关键点信息和残差块的动作检测的方法,该方法结合残差块进行图像的全局的动作信息的提取,能够自动识别演唱会中的精彩动作,并定位出图像中的出现某种动作的人体位置。结合常见人体动作关节点的特征,选取了关节点角度关系,肢体长度比值和关节点的相对位置三种特征,并归一化三种特征来对场景中动作进行分类,设计出一种能够主动学习的演唱会动作识别模型,对研究演唱会场景歌手动作以及经常出现的的舞蹈动作都有具有重要的现实意义。最后在pytorch深度学习框架平台上,对自己收集的演唱会数据集进行了测试,分析了动作识别的结果,误检和漏检的原因以及提出了改进的方法。实验表明,本文提出的基于骨骼点的融合多特征识别动作的方法在数据集上达到了 92.5%的准确率。因此本文提出的融合骨骼和残差块的方法具有现实可行性和重要意义。