视频目标检测与行为理解,已经成为机器视觉领域的热点问题。如在人机交互系统,行为监控,体育辅助训练系统等都有广泛应用。论文通过对举重视频的分析,提取运动员训练的关键姿态,从而辅助教练对运动员进行更加专业的训练,论文主要工作包括:1.提出了一种感兴趣区分类学习的关键姿态检测方法。首先用举重视频帧图像训练了一个FCN网络用于前景提取,以去除举重视频中存在大量的背景干扰。进一步,通过微调CNN网络,获得一个适用于感兴趣区举重视频分类的网络模型,最后根据分类结果,设计分类结果选择策略,提取关键姿态。实验结果表明,本文提出的方法非常具有竞争力。2.提出了一种基于关键对象骨架的感兴趣区增强方法。首先用感兴趣区图像训练了一个deepskeleton网络用于骨架提取。由于举重视频中,各个关键姿态的骨架信息具有明显的差别,因此采用deepskeleton网络提取骨架信息能够增强图像的特征表达,从而提高识别的准确率。骨架信息提取完毕以后,用微调的方法训练网络,最后进行特征提取得到关键姿态。3.设计了一个举重视频关键姿态提取的系统,该体统包括显示模块和关键帧提取模块。显示模块包含视频的播放和关键帧的显示,关键帧提取模块包含举重视频帧特征的提取和关键帧提取。