摘要：随着信息化建设的加快，图像和视频数据呈现爆炸式增长。卷积神经网络的不断更新优化使得行为识别研究取得了较大的进展。因此，我们需要在真实的复杂环境中实现行人检测并识别行为类别，这是一个值得探索和讨论的话题。本文提出了一种新的模型，基于 ResNeXt 模型并设置多尺度特征提取单元的残差神经网络，能充分挖掘输入的特征信息，丰富特征维度，解决特征信息尺度单一的问题。为了验证我们改进的算法性能，我们进行了多组识别场景的测试，其中包括UT-interaction数据集、UCF11数据集、UCF101数据集和CAVIAR数据集。我们的模型在以上数据集上的识别准确率分别达到了99.9%、99.5%、97.3%和100%。根据结果显示，我们的模型在各项识别任务中均表现出了较高的水平，证明了模型的卓越性能。