随着运算能力的大幅提升,基于深度学习的人体行为识别技术成为计算机视觉相关领域的研究焦点,被广泛应用于人机交互、智能监控和虚拟现实等领域。人体行为识别技术相比传统的图像检测技术,需要处理时序信息,仍存在许多建模优化问题。首先,人体行为时间跨度长短不一,为时序特征建模带来困难;其次,模型提取的特征未区分不同时间、空间和通道的重要性,研究如何突出重要特征具有重大意义;此外,用于人体行为识别的深度学习模型存在复杂度高的问题。针对上述问题,本文从时序特征提取和注意力机制角度,对使用RGB视频帧为输入的人体行为识别任务展开研究。主要工作如下:（1）提出了一种基于时序聚合激励的人体行为识别模型。针对人体行为识别算法中时序特征提取困难的问题,该模型在主流二维卷积神经网络提取的空间特征基础上,先通过运动激励模块计算相邻特征图之间的差异,提取特征级运动信息;再通过全局时间聚合模块,对时间维度上所有输入特征图进行计算,提取全局时间信息,因此该模型可以有效提取时序特征。由于采用二维卷积神经网络作为主干网络,模型的复杂度相对较低。通过在UCF-101和HMDB-51两个行为识别数据集上进行实验,模型准确率分别达到96.6%和72.8%,超过了大多数行为识别算法,证明了该模型的有效性。（2）提出了基于时间、空间、通道的注意力模块。深度学习网络提取的视频特征在不同时间、空间和通道维度上对行为识别重要性不一致。如果网络对提取到的特征不加以区分,就会引入噪声,无法突出贡献度高的重要特征,导致网络识别性能下降。本文提出的注意力模块以空间注意力机制和通道注意力机制为基础,并引入时间信息提取机制,形成对应的时间-空间注意力机制和时间-通道注意力机制,从而解决传统注意力机制没有考虑时间维度信息的问题,或者单独考虑时间信息,未将时间信息与空间和通道信息相结合的缺点,让网络能在提取人体行为特征时更具有针对性。为了验证该注意力模块的有效性,在多个基线网络上进行实验,网络性能均得到显著提升。此外,将该注意力模块添加到第三章的时序聚合激励网络模型中,在UCF-101和HMDB-51两个数据集上进行实验,模型准确率分别提高了0.3%和0.5%,进一步证明了该注意力模块的有效性。