视频检测是视频处理的主要环节之一,动作识别是视频检测任务的关键,而时序动作检测任务作为动作识别领域的拓展研究是本文的主要研究内容。不同于针对裁剪后的视频进行分类检测的传统动作识别任务,时序动作检测主要面向未经过裁剪的长视频数据,在时间轴上区分动作片段与背景片段,其数据的具体特点为单一视频中随机出现多个多尺度动作段。由于动作是一个连续渐变的过程,所以此任务的主要难点是如何在识别动作类别的基础上,准确定位动作起止点。本文从长视频数据的多标签多尺度特点出发,为了提高长视频中时序动作的识别率,以精确动作时间边界为主要研究目的,在传统视频识别研究的基础上进行算法创新。具体来说,本文在动作类别准确检测的基础上,针对边界检测过程中长动作特征表达有效性不够和动作段边界定位不准确问题,提出三种基于深度学习的时序动作检测方法,以有效提高预测动作段与实际动作段的重叠率。主要研究内容具体如下:(1)提出一种基于长动作拼接机制的时序动作检测算法。在动作类别准确检测的基础上,针对滑窗尺度局限性带来的长动作识别不准现象,通过结合前后文信息的动作构建方案和全新的拼接机制回归模型,来实现动作起止点的定位。并从阶段性处理的思想出发,通过预训练网络进行特征提取,以降低网络计算量,提高时序动作检测效率。(2)提出一种基于逐点映射及全局评估网络的时序动作检测算法。为了提高检测算法对于时间边界的敏感性,利用“逐点处理”的思想,基于一维卷积网络,将特征序列以视频单元的形式逐点进行动作概率映射。而后旨在评估动作段整体置信度,基于“局部到全局”的思想,在逐点映射结果的基础上,训练一个基于长短期记忆网络的全局评估模型,通过输入动作段级采样特征,整体评估该段动作概率,提高动作段的召回率。(3)提出一种基于时间卷积网络的时序动作检测算法。本算法提出一种粗粒度动作段构建方案和基于时间卷积网络的边界回归模型,通过将逐点映射与滑窗扫描相结合,得到两部分粗粒度动作段边界,来减少部分漏检情况;而后本算法引入包含扩张卷积的时间卷积网络,构建保留时序信息的边界回归模型,进一步精确动作边界检测结果。