近年世界各地恐怖暴力事件频繁发生,对人身安全和社会稳定造成极大的影响,为此在公共场合下自动地、高效地通过监控摄像对恐怖分子所使用的危险手持物进行及时识别势在必行。危险手持物识别作为手持物体识别的一个重要场景,基于不同场景下的图像手持物识别算法研究具有重要意义。实际运用中,手持物识别通常利用基于监督学习的目标识别算法,使用大量的标注样本训练视觉分类器来检测,然而手中所持物体类别往往不可预知并且种类巨多,难以大量收集每一类别物体图片并进行标注。并且具体图像中大部分手持物体小、有遮挡,识别算法无法获取图像中全局结构信息进而对遮挡的各类手持物体进行高精度识别。针对上述问题,提出基于隐空间图网络的全局推理模块和面向人物交互的零样本目标识别算法。具体内容如下:（1）提出了基于隐空间图网络的全局推理模块。针对目标识别算法中提取特征的骨干网络只能获取图像中局域信息无法对图像全局结构信息进行捕捉的问题,提出场景下的基于隐空间图网络的全局推理模块,对图片上一层卷积得到的特征映射至隐空间,再对隐空间上的节点特征进行多层次的聚合获得物体之间的深层次关系并在图上进行传播学习,最后所得特征整合了全局结构关系,提升了具体场景下不清晰有遮挡等问题的手持物识别率。（2）提出了面向人物交互的零样本目标识别算法。人与物体之间的关联关系可以作为图像识别中上下文类别间的信息辅助,针对零样本目标识别算法中知识的迁移未考虑物体与人类行为之间关联关系的问题,提出通过将人物交互知识模块融入至基于知识图谱和图网络的零样本目标识别算法中进而加强人物之间关联,并整合基于隐空间图网络的全局推理模块,提升对不同类别手持物体的识别准确率。（3）设计并实现了危险手持物识别系统,将本文提出的基于隐空间图网络的全局推理模块和面向人物交互的网络模型应用到具体的危险手持物体识别场景中,测试并展示了对图片中不同类别危险手持物的识别效果。