随着人工智能相关技术的不断进步,人们对于智能设备和智能防护系统的需求越来越大,同时对其智能化程度提出了更高的要求。目前使用人体关节点信息进行行为识别的方法受到了越来越多的关注,本文在现有ATM防护舱的平台上,使用轻量化的卷积和结构搭建姿态估计网络实现了对人体关节点的检测;计算前后帧的相似性度量矩阵,并使用级联匹配的方法实现了对人体的追踪;对人体关节点信息提取动作特征,使用分类器实现了对人体行为的识别。首先,本文针对嵌入式平台算力低的特点对姿态估计网络进行了改进。使用深度可分离卷积和逆残差结构设计基本模块,搭建姿态估计网络,和其他网络相比减少了参数量和计算量,同时在网络中添加空间注意力模块和通道注意力模块,提升了姿态估计网络的识别精度。为了将识别到的所有关节点分配到各个人,使用匈牙利算法处理姿态估计网络输出的关节点置信图和骨架矢量图,最终得到了图像中每个人的关节点信息。然后,对视频中的人体进行追踪从而得到同一个人的稳定关节点。本文根据得到的关节点信息,使用关节点相似度和深度学习特征相似度来计算相似性度量矩阵,并使用级联匹配的方法实现对人体的追踪,此算法和其他算法相比,速度更快、不会随追踪人数的增多而变慢并且可以应对人体长时间被遮挡的情况。最后,根据获取到的关节点信息实现了人体行为识别算法。在行为识别算法中,为了获得高准确率的同时达到实时检测的效果,本文根据姿态估计和追踪算法得到的关节点信息计算关节点距离变化向量,经过归一化等处理后组成动作特征,对动作特征进行降维,然后训练分类器对动作特征进行分类,从而实现了人体的行为识别。和其他算法相比,此算法在速度和精度方面可以得到更好的效果。将人体行为识别算法部署在下位机,同时编写上位机程序来接收各个下位机的实时视频、异常行为报警等信息,进一步验证了本文所提方法的有效性。