随着机器视觉技术近年来的快速发展,各种视频数据的急剧增加,使得基于视频数据的行为识别成为现如今的热点研究内容之一。本文设计的基于机器视觉的乒乓球动作分类与对比系统,重点研究将基于深度学习方法的动作识别技术应用于智能化乒乓球训练场景中,在缺少教练员评判的情况下,仅通过系统采集用户训练动作视频对其进行动作识别,分析用户技术动作的训练完成情况。本文设计的系统采用客户端/服务器端的设计架构,客户端数据采集模块进行实时视频的获取和显示并同步传输到服务器端,服务器端接收数据后进行动作识别并反馈识别结果,客户端和服务器端采用多线程技术进行数据同步。针对传统双流卷积神经网络处理长时视频信息的不足,本文采用的基于稀疏采样的时间分割双流网络能够对长时运动特征具有更好的表达。首先将连续视频帧数据分割成多段,通过对每段视频帧序列随机采样形成一段包含用户动作的短序列数据,接着将其应用双流网络进行特征提取。双流网络涉及到的光流图像的提取,系统采用了Lucas-Kanada算法来实现。光流包含了目标的运动时间信息,能够有效表示连续帧图像不同区域像素点的运动变化情况。同时,由于动作视频数据量较小,在数据处理时本文采取了多种数据增强方法和网络预训练策略,缓解了网络训练过程中的过拟合风险。最后,本文针对多种双流网络的特征融合方式进行分析,提出采用在卷积层进行网络融合的方式并使用三维卷积和池化操作进行特征的聚合运算,使得网络更高效地表达了动作的时空特性,保证了较高的识别精度。本文系统在实际场景中进行了实验测试,结果表明该系统设计达到预期要求。