在计算机视觉任务中,基于图像的人体行为识别研究是一项非常具有挑战性的工作。由于其缺少时域信息以及极易受到人体姿态、场景和光照等因素的干扰,因此如何有效地提取图像中的空间线索信息来表征人体行为是目前基于图像人体行为识别研究所重点关注的问题。近些年来,随着深度学习的快速发展,以卷积神经网络为代表的深度学习模型在计算机视觉领域中取得了巨大的成功,进一步促进了图像行为识别研究的发展。本文基于深度学习方法对图像中人体行为识别模型进行了研究,针对当前行为识别方法所存在的一些问题和缺陷,提出了两种不同的解决方案。具体内容如下:1.目前大部分行为识别方法只关注人体外观特征,却忽视了上下文信息在行为识别任务中所发挥的重要作用。因此,本文提出了一种基于上下文的多分支注意力网络。该模型主要由目标人体对象分支网络、区域注意力分支网络和场景注意力分支网络组成。其中,区域级和场景级注意力分支网络通过采用注意力机制来捕获图像中与人体行为相关的局部上下文区域信息以及全局上下文线索信息,从而为模型提供更丰富的上下文特征。为了进一步获取目标对象附近的上下文特征,在目标人体对象分支网络中还添加了一个上下文卷积模块来为人体外观特征提供更多的补充信息。最后,对三个分支网络采用加权融合的方式来获取最终的行为预测结果。通过在PASCAL VOC 2012 Action和Stanford40 Actions数据集上与其他传统和深度学习方法的比较,证明了该方法在人体行为识别任务中的有效性。2.针对部分行为识别方法需要额外辅助信息（人体关键点、物体标注框等）,模型难以被广泛应用的问题,本文提出了一种无需辅助信息的局部区域特征融合网络。网络在图像级标签的监督下,可以自适应的将容易识别区域、较难识别区域和背景区域三种不同类型的局部区域特征进行融合。该模型主要由注意力模块和两级分类网络构成。其中,两级分类网络由局部级和图像级损失函数组成。局部级损失函数通过自适应机制将不同的权重分配给不同的局部区域,而图像级损失函数是将重要的局部区域特征进行融合再训练。同时,为了有效地提取图像中更多的隐含信息,在主干网络中还添加了一个包含分类损失函数的注意力模块来进一步增强网络的特征表达能力。为了验证本方法的有效性,在PPMI、Stanford 40 Actions和PASCAL VOC 2012 Action数据集上进行了大量的实验。实验结果表明,该方法在PPMI数据集上取得了最好的表现,性能优于当前大部分的行为识别模型。