随着计算机软硬件以及互联网的飞速发展,计算机视觉在各个领域得到了广泛的关注。其中,视频中的人体动作识别技术在安防和监控等领域具有重要作用。在视频人体动作识别研究领域,RGB-D摄像机的出现提供了视频的深度信息,同时也为如何处理这些信息带来了挑战。如何挖掘视频中的有效特征一直是动作识别中的难点之一。另一方面,随着深度学习热潮的兴起,计算机视觉中的多项任务不断取得突破性的进展。因此,基于深度学习框架,本文重点在以下几个方面展开研究:首先,本文提出了一种基于深度神经网络的多模态动作识别方法,根据不同模态信息的特性分别采用不同的深度神经网络,并将多种深度网络结合起来,以挖掘视频中人体动作的多模态时空深度特征。其次,本文针对视频场景复杂造成人体动作显著性不高的问题,提出了一种基于视觉显著性的动作识别方法。该方法结合了三维神经网络以及递归神经网络的特点,设计了一种端到端的深度学习网络模型,同时保留视频的空间和时序特征进行动作识别。最后,本文设计并实现了一个基于Web端的动作识别演示系统,用户通过选择待识别视频,经由服务器处理分析并识别,将最终的识别结果分析呈现在用户端,方便用户分析算法的实际运用效果。