时序动作定位是视频理解中一项极具挑战性的任务,其不仅要在未剪辑的长视频中定位动作的开始与结束时间,还要识别动作的种类。该任务可用于智能视频监控、智能视频推荐、新零售和人机交互等领域,具有十分重要的研究意义。当前的时序动作定位方法几乎都遵循两阶段范式,即先进行时序动作提名生成再进行动作识别。动作识别方法已相对成熟,因此好的时序动作提名生成方法成为了提升时序动作定位性能的关键。现有方法存在召回率低、计算耗时高等不足。针对该问题,本文开展了以下研究:1)设计了一种基于提名优化的时序动作定位模型,该模型在时间矩阵上生成开始分数、结束分数、动作分数和回归分数,基于这四个分数来评估所有候选时序动作提名的可靠度。为了保证候选动作提名的时间结构性,本文在训练中设计了一种新颖的度量损失函数。同时,该网络深度挖掘时序上下文信息,可以高效生成准确的动作边界,并生成可靠的置信度分数。在公开数据集上实验表明,该模型在动作提名生成上具有较高的召回率;同时在时序动作定位上的拓展实验表明,该模型具有较高的定位精度。2)提出了一种端到端的基于锚匹配的时序动作定位方法,该方法基于锚分支和无锚分支网络并行执行定位和分类任务。其中锚分支可用于捕捉时长中等的动作实例,无锚分支可用于捕捉极长或者极短的动作实例。同时为了缩小两个分支之间的差距,采用一种新颖的对齐损失用于两个分支进行对抗学习。在公开数据集上的实验表明,该方法性能超越了大多数两阶段时序动作定位方法。