本申请实施例提出一种深度神经网络可解释方法、可视化方法及相关装置，涉及人工智能技术领域，其中深度神经网络可解释方法包括：获取人体关键点的运动向量和掩模向量，然后根据掩模向量和运动向量计算得到运动序列，再将运动序列输入到预训练好的行为识别模型中，得到预测行为识别结果，最后利用预测行为识别结果迭代更新优化函数的参考值，得到目标掩模向量，然后利用目标掩模向量解释行为识别模型。本实施例中根据掩模向量通过迭代更新的方式得到目标掩模向量，利用目标掩模向量表征运动向量的人体关键点的权重，考虑到运动向量中不同特征的权重对行为识别模型判决结果的影响，从而可以针对性的提高行为识别的结果准确率和识别效率。