人类行为识别是计算机视觉中一个重要的研究方向,主要研究如何让计算机识别和理解视频中人的行为,主要应用于智能监控、视频分析和视频检索等领域。参与行为的人和物是行为发生的实体,通过描述实体的时间序列变化,空间外表变化,以及实体间的交互关系对行为进行建模。当前行为识别算法更加侧重于对视频的全局时空信息（时间序列,空间外表）进行建模,忽略了对实体以及实体的交互进行建模,导致算法模型在复杂场景中表现不好。为此,本文提出了基于语义增强与人-物时空关系图模型的行为识别算法。为了对实体以及实体间的交互进行建模,本文提出了基于语义增强的行为识别算法。该算法首先利用目标检测网络获取实体的类别标签,使用词向量将该标签转化为语义向量,从而对实体进行建模。然后使用图模型对实体间的交互进行建模。在图模型中,图的节点表示实体,图的边表示实体间的交互关系。考虑到实体之间的交互主要是人与物品发生的交互,该算法将人节点与物品节点进行连接,并就相连的边上给予相关实体的距离作为边上的权重。最后,将构建的人-物关系图通过图卷积的推理优化转化为行为语义特征,并使用特征选择算法增强行为图像特征的分类能力。考虑到背景对行为的影响以及实体状态的变化,在基于语义增强的行为识别算法的基础上,本文提出了基于人-物时空关系图模型的行为识别算法。该算法构建了人-物时空关系图。图的节点分为实体节点与背景节点,表示实体或背景的时空状态,是实体或背景在一段时间内图像特征的集合。图的边代表实体之间的关系,通过连接相同时序下的人节点与物品节点对人-物关系进行建模,通过连接相邻时序下的实体节点对时空关系进行建模。在图卷积对人-物时空关系图进行推理优化后,使用稀疏转换层将图转换成行为特征。本文通过上述研究,完成了对实体以及实体交互的建模,并在HMDB51和UCF101数据集上进行实验。实验结果表明,本文方法可以生成鲁棒性更高的行为特征,有效地提升行为识别算法的准确率。