目前,基于高层语义的图像识别与理解算法已逐渐广泛应用于人工智能系统。人类视觉行为识别作为计算机视觉领域的热门课题,对于图像内容的语义理解有着积极意义。过去的人类行为识别研究主要集中在视频数据、智能手机等移动传感器采集的时空序列数据的分析上。另外,国际上主流的图像数据集缺少行为标签数据,国内外的标注工具也没有专门针对图像行为语义的标注功能。因此,相关实验数据集的缺乏,使得静态图像行为识别的研究面临极大的挑战。本课题针对静态图像视觉行为的语义识别研究中缺乏标注数据的问题,在移动端设备普及的背景下,利用“众包”思想,研究并开发了基于Android平台的静态图像视觉行为人工标注系统。本文在参考中外文献的基础上,首先介绍了系统涉及的相关技术和整体设计方案,然后阐述了关键功能模块的实现方案,最后给出了系统的测试结果。论文的主要工作如下:1.设计并开发一套图像视觉行为人工标注WEB系统;2.采用一种基于定价机制的众包任务自动分配算法,提高了图像标注任务的分配效率;3.利用网络爬虫技术进行图像辅助文本标签的收集整理工作,进一步丰富图像的语义;4.利用Word2vec训练词向量模型,将合格的标注信息转化为词向量存储到数据库中。实际部署系统应用情况表明,该系统操作简洁流畅,各算法功能模块稳定高效,并且充分利用移动端便捷的优势,能够顺利进行图像行为标注数据的收集和整理工作。