摘要：针对越障行为识别问题，提出了一种基于轻量级ＣＮＮ的检测识别方法。首先，通过ＯｐｅｎＰｏｓｅ方法对视频帧图中的人体骨骼关键点进行检测，并在人体骨骼关键点位置提取姿态特征，利用ＭｏｂｉｌｅＮｅｔ方法对提取的姿态特征进行分类识别。然后，采用自建数据集进行实验，实验结果表明：刚开始训练时，训练集和测试集的准确率迅速上升，交叉熵迅速下降；当迭代次数增加到２２５０次左右时，准确率和交叉熵的曲线逐渐趋向平稳。最后，对基于Ａｎｄｒｏｉｄ端越障行为识别系统ＡＰＰ的应用结果进行分析，分析结果表明：ＭｏｂｉｌｅＮｅｔ方法识别越障行为的平均运算时间约为３７３ｍｓ，准确率约为８７．２％，模型尺寸约为３７．６ＭＢ，运行时占用内存约为５６ＭＢ。以上结果证明了基于轻量级ＣＮＮ的越障识别方法适合在Ａｎｄｒｏｉｄ端应用。