随着计算机视觉领域的发展,越来越多的任务可以交由机器解决。机器智能在人们的生产生活中扮演了越来越重要的角色。近年来,随着图形计算能力的快速增长,计算机视觉领域高速发展,在一系列基础视觉任务上取得了巨大成功。与此同时,对结合多种基础视觉任务处理实际问题提出了新的需求。本文旨在结合多种基础视觉任务,关注对人类行为的理解,以人体姿态估计任务为出发点,研究人体动作识别和评估算法,以满足当今社会对计算机视觉领域越发多样化的需要。本文的主要工作如下:1.提出了 一种轻量化的人体姿态估计算法。算法以自顶向下的人体姿态估计算法为基础,首先改进了前置目标检测模块,提出了快速下采样模块和过参水平整合模块,结合模型整合技术,提升了前置目标检测模块的运行速度。其次以模型低精度运算技术为基础,对单人人体姿态估计模型进行加速。算法最终实现了对人体姿态估计算法的轻量化。2.提出了一种基于人体姿态估计的动作识别算法。算法以基于图卷积神经网络的骨骼动作识别算法为基础,提出了用于在多个尺度上提取特征的多尺度图卷积模块,以及自适应融合多尺度信息的多尺度选择性融合模块。算法最终实现了高效的基于骨骼的动作识别。3.提出了一种以DTW算法为基础的动作评估算法。首先构建了动作标准数据集,并设计了一种用于评价动作之间相似性的距离函数,使用DTW算法结合距离函数进行关键帧提取,在关键帧上进行动作评估。其次,针对基于骨骼的动作评估算法中语义信息缺失的问题,改进了基于语义信息的动作评估算法。算法最终实现了有效的动作评估。