猕猴作为药物安全性评估中常见的动物模型,其行为反映它用药前后健康情况并提示药物的副作用。为了准确、自动地识别视频中猕猴的行为,本研究以北京协尔鑫生物资源研究所有限责任公司和北京昭衍新药研究中心股份有限公司饲养的恒河猴和食蟹猴为研究对象,以卷积神经网络为基础,提出了一种改进的SlowFast网络的猕猴多行为识别算法。通过在猕猴行为数据集上的实验,证明了所提网络的有效性。首先,本文构建了猕猴的行为数据集。为了避免猕猴抓挠摄像头,设计了特定的固定装置放置摄像头。将固定装置分别置于猴笼的正面、侧面和上面,分别从多个视角对猕猴同时进行拍摄,获得不同角度下猕猴动作视频。在得到原始的拍摄数据之后,剔除掉质量不佳的视频。按照猕猴动作的特点将其分成九类,并从原视频中将行为片段裁剪出来并标注,构成了猕猴行为数据集MBVD-9（a Macaque Behavior Video Dataset）。其次,通过降低原SlowFast网络的深度,并将其快支路输入的RGB帧转化为残差帧,同时在快支路的卷积操作之后引入了Transformer的编码模块,提出了TAS-MBR（Transformer Augmented SlowFast for Macaque Behavior’s Recognition）网络。降低网络深度意味着减少了网络参数,更加符合MBVD-9数据集的规模。同时,注意到相邻视频帧相减得到的残差帧可以去除掉重复信息,保留两帧间变化的内容,将其作为SlowFast网络的运动支路即快支路的输入。鉴于Transformer寻找时序关系的能力和快支路高时间分辨率的特征,因此将其编码部分加入到卷积结构之后,最终构建出TAS-MBR网络。实验结果表明,TAS-MBR网络对于猕猴行为的识别效果优于原SlowFast网络和其它常见的行为识别网络。最后,设计一种猴笼环境下单猴行为信息智能统计系统。该系统主要由视频输入模块、视频预处理模块、特征提取模块、特征识别模块和信息统计模块五个模块组成。将一段未裁剪的单只猕猴视频输入到该系统之后,该系统可以自动对猕猴行为发生的开始和结束时间给出大致预测,并输出此时间段内该猕猴行为类别的统计数据。