近年来,随着多媒体技术的发展及数字化设备的快速普及,网络中的视频数据呈爆炸式增长。如何快速、准确、高效地分析体量庞大而无组织的视频数据成为研究人员亟待攻克的重要课题。作为机器学习中的重要分支,深度学习已在图像分类和检测领域取得重大突破,因此,研究人员着手将神经网络引入视频理解问题。目前视频理解问题已衍生出时序动作检测、行为分析、视频摘要、目标追踪等任务。其中,时序动作检测算法在医疗监控、国家安防等众多领域具有广阔的应用前景。时序动作检测是计算机视觉领域中一项重要的任务,不仅要识别长视频中各个动作实例的精确动作区间,还应判断动作类别。其难点在于两点:一方面,动作的边界定位对于时序信息较为敏感,精确捕捉时序信息至关重要;另一方面,视频中动作实例的时间跨度变化可能较大,这对网络的长时序信息的捕捉能力要求较高。本文基于深度学习架构,提出了一种时域候选区域优化的时序动作检测方法(Temporal Proposal Optimization,TPO)。该方法利用卷积神经网络提取局部细粒度的时序信息,引入双向长短期记忆网络和级联时序分类优化方法提取全局整体的时序信息,联合利用两类信息构造视频的边界概率曲线、局部动作概率曲线和全局动作概率曲线;再基于边界概率曲线构造时域候选,并融合两条动作概率曲线,对时域候选区域进行优化及排序,最终实现时序上的动作检测。TPO通过引入双向长短期记忆网络和级联时序分类优化方法,有效地对视频中的长时序依赖建模;基于单元级概率预测的策略来提取时域候选,有效地处理动作实例的时间跨度变化较大的问题。本文模型克服了上述时序动作检测问题中的难点。实验表明,在动作时域候选生成和时序动作检测两个任务中,TPO均带来性能的提升。