Con el objetivo de abordar el problema de que las características extraídas de la red neuronal convolucional C3D (Convolutional 3D) eran insuficientes y era difícil centrarse en los fotogramas clave, lo que llevó a una baja precisión en el reconocimiento de acciones de los jugadores de baloncesto; se propuso un método de reconocimiento de acciones de baloncesto basado en una red neuronal profunda con un mecanismo de atención residual dinámica. En primer lugar, se mejora el C3D tradicional a una red de convolución residual dinámica para extraer suficiente información de características. En segundo lugar, la información de características extraída se selecciona mediante el mecanismo de atención mejorado para obtener los fotogramas clave del video. Finalmente, se compara el algoritmo con el C3D tradicional para demostrar la ventaja y aplicabilidad del algoritmo. Los resultados experimentales muestran que este método puede reconocer eficazmente la postura de baloncesto, y la precisión media del reconocimiento de posturas es superior al 97%.