在监督学习中,需要对数据进行标注来用于算法训练。以往绝大多数的图像标注都采用手工方式,效率低下,并且过于依赖硬件,成本颇高。如今机器学习算法在许多领域的应用已经十分成熟,如何利用算法提升标注系统的效率也成为一个值得思考的问题。本论文目标是通过利用多个深度学习算法来构建一个集成手动和半自动标注两种功能的标注系统。论文首先介绍了标注系统的相关研究背景,对相关技术进行了介绍和总结,结合关键点识别、运动视频分类和3D人体重建等领域的先进深度学习算法成果,对标注系统采用的视频分类标注算法和3D人体姿态算法进行了深入的分析,并改进了用于视频分类标注的双流神经网络算法。在此基础上采用算法加入工调优的方式,设计并实现了一个视频图像半自动标注系统,实现了人体关键点识别、人体轮廓分割、运动视频分阶段标注、3D人体姿态标注等多种标注功能。该系统具有在较短时间内完成标注,并保证标注较高准确率的特点。论文描述了系统的功能需求和可行性分析,并详细阐述了图像标注系统各个功能模块的概要设计和详细设计,接着介绍了手动标注和半自动标注各个功能模块的测试过程,验证了该标注系统的可用性,对算法的测试和比较,也验证了算法的准确性,最后对论文工作进行了总结和展望。