본 논문에서는 차량 내부에서 운전자의 행동을 찍고 이 데이터를 이용하여 운전자가 하고 있는 행동이 운전에 적합한 행동인지를 인식하는 비디오 내 인물 행동 인식(Video human action recognition) 과업을 해결하고자 운전자의 행동을 세 관점에서 촬영한 데이터셋을 이용하여 운전자가 어떤 행동을 하는지를 인식하고 분류하는 과업을 진행하였다. 이를 위해 여러 가지 특징 추출 기법과 자기주도학습 중 하나인 대조 학습(Contrastive learning)을 이용하여 여러 벤치마크 모델을 학습하고 추론하여 해결하고자 한다. 특히 특징 추출을 위해 Slowfast 특징 추출기를 이용하며 세 관점을 합쳐 공간적 특징을 추출하는 방법인 'Triplepoint feature extraction'과 시간적인 특징을 가지고 있는 프레임을 완전 랜덤으로 추출하는 'Random complete extraction'을 포함한 다양한 시간 공간적 특징을 추출하는 방식을 이용하여 서로의 성능을 비교하고 이를 대조 학습을 이용한 벤치마크 모델과 일반적인 지도 학습으로 학습을 진행한 벤치마크 모델의 행동 인식 성능을 비교하였다. 이를 통해 비디오 행동 인식에서 어떤 특징 추출 방식이 가장 효과적이고 대조 학습과 지도 학습 중 어떤 방식이 적합한지 보였다.