人与物体交互活动的识别是人工智能领域最热门的研究方向之一,是计算机视觉研究领域不可或缺的重要研究部分。同时,人与物体交互活动识别是图像理解、自动描述图像内容等研究的基础。在实际应用中可以广泛用于网站图像搜索,安保系统检测等。本文提出一种新的混合深度学习模型,旨在提升和改善图像中人与物体交互活动识别的效率。模型首先设计一种基于深度学习的方法对图像三维空间关系信息进行建模,探索人与物体交互活动的构图规律;其次,创新地设计一种混合深度学习模型,将图像中物体的特征、物体间三维空间关系信息等图像高级特征融入到深度网络架构学习中,建立起从特征学习到交互活动识别的一体式推理学习过程,最大程度利用各种图像空间构图信息,提升图像人与物体交互活动识别效率。本文的主要工作包括三个方面:（1）本文创新地设计了一种基于图方法的立方体多粒度空间关系分析模型。模型将人与物体的三维空间关系离散抽象化为立方体结构,进行多种粒度的三维空间关系分析,实现了图像空间关系的详细分析、以及图像空间构图规律的归纳总结,可以辅助图像主要人与物体的探测以及人与物体交互活动的识别。（2）为了智能地探测图像中主要的人与物体,为后续的人与物体交互活动识别,提供可靠的研究目标。本文融合多种机器学习方法,深入分析人与物体的三维空间关系信息,统计归纳人与物体的空间构图规律,建立从空间关系到人与物体组合规律的预测模型,推断出图像主要人与物体组合。（3）本文创新地提出一个基于因子的混合深度学习模型,该模型通过多项相乘连接机制,将多种图像特征以及图像三维空间关系等信息融入图像交互活动预测中,实现从图像空间结构到图像高级内容理解的非线性映射。模型首先使用多层受限玻尔兹曼机分别提取人和物体的特征;然后创新地使用基于因子的多项相乘连接机制,将图像特征、三维空间关系、空间构图规律等融入到深度网络架构学习中,最大程度利用各种图像空间构图信息,指导深度学习架构学习对交互活动识别最有用的高级不变性特征,从本质上提升人与物体交互活动识别的效率。为了验证本文提出的混合深度学习模型在人与物体交互活动识别上的表现,本文共采用两种数据集,通过横向对比试验手段,与多种文献可考的方法,在多种评价指标上进行了对比试验,试验结果证明本文提出模型的有效性。