随着互联网技术的发展及智能手机等设备的普及,互联网上的视频数据每天都在以爆炸性趋势增长。如何对网络中的视频数据进行分析识别,对于视频的分类、存储、检索都有着至关重要的作用。而在视频分析研究中,基于视频内容的人体动作识别是其中最为普遍且最为关键的主要任务,在互联网异常视频检测、智能监控、人机交互以及军事领域都有着广泛的实际应用前景。有效提取视频中的时空信息是视频动作识别任务中的关键问题,3D卷积神经网络由于能够有效提取视频动态特征,是视频动作识别领域的主要方法。但3D卷积神经网络存在参数量过大及识别效果较差两个严重缺陷。本文基于深度学习方法,构建一种3D残差神经网络框架,能够有效提取视频动态特征从而进行视频动作识别,并在如何有效降低3D卷积神经网络参数量及如何有效提高3D卷积神经网络识别准确率两个方面进行了具体相关研究。本文的主要研究工作包括以下三个方面:（1）本文以图像领域经典的残差神经网络为基础,通过将3D卷积和3D池化引入其中,构建了一个深层次3D残差神经网络。相比于浅层3D卷积神经网络,本文构建的3D残差神经网络由于有着更深的网络层次,能够更好的表征视频运动特征,从而更有效地解决视频动作识别任务。（2）针对3D卷积神经网络参数量过大,容易出现过拟合的问题,本文提出了将深度可分离卷积引入其中以减少模型参数量。具体选取了3D残差网络作为基础模型,通过将深度可分离卷积引入其中,构建了基于深度可分离卷积的3D残差神经网络。为了进行对比实验,本文还构建了基于分组卷积的3D残差神经网络和基于分组卷积与深度可分离卷积的3D残差神经网络。相关实验结果表明,引入深度可分离卷积是保持3D卷积神经网络表现性能不受损害的条件下,最大幅度降低模型参数量的有效方法。（3）针对3D卷积神经网络无法有效地提取视频关键特征的问题,本文首先设计了一个通道注意力模块和一个空间注意力模块,能够分别为视频特征中不同通道或不同空间的信息添加不同的权重,从而更有效提取关键通道信息或关键空间信息。在此基础上,本文构建了一种全局注意力模块,能够为视频特征中任意维度上的信息添加不同的权重信息,从而使3D卷积神经网络能够更有效提取决定视频动作类别的关键信息。相关实验结果验证了全局注意力模块对于3D卷积神经网络有效提取视频关键特征的重要意义。