摘要：針對當前人體行為識別準確率低、計算量大等缺陷,提出了一種基于三維卷積神經網絡(3D Convolutionnal Neural Network,3D-CNN)結合批量歸一化(Batch Normalization,BN)及改進的視覺幾何組(Visual Geometry Group,VGG)網絡的行為識別算法。該算法首先對3D-CNN結構進行優化,在三維空間采用了多個小卷積核卷積層堆疊的Block結構;同時在網絡結構中引入BN算法,將卷積層輸出的特征圖每一維進行獨立的批量歸一化處理;之后在Block結構中增加了Dropout層以提高網絡泛化能力以及將3D-CNN網絡層數加深到了13層,提高了高層次抽象特征的提取能力;最終使用softmax進行分類得出結果。實驗結果表明所設計的3D-BN-VGG網絡在行為識別方面有較高的識別率。