摘要：現有行為識別方法在未能持續覆蓋造成視頻監控盲區所引起行為數據缺失的情況,難以有效實施特征分析、行為分類補全,無法準確識別出智能體完整的行為動作序列.為此,本文提出一種基于深度學習和智能規劃的行為識別方法.首先,利用深度殘差網絡對圖像進行分類訓練,然后使用遞歸神經網絡對圖像特征進行提取深度信息以增強分類效果;其次,運用智能規劃的STRIPS(Stanford Research Institute Problem Solver)模型,將深度學習提取的圖像特征命題信息轉化為規劃領域的模型描述文檔,并使用前向狀態空間搜索規劃器推導出完整的行為動作序列.在HMDB51等行為識別公共數據集中,本方法與生成式對抗網絡、深度卷積逆向圖網絡、深度信念網絡、支持向量機等同類先進方法相比展現出更好的性能.