动作识别与定位是视频行为理解的基础,对人类的便捷生活有着巨大的应用价值,是计算机视觉的重要研究方向。相比于其他计算机视觉任务而言,视频动作的定位与识别需要同时对时域和空域信息进行建模,使用一般的二维卷积算法处理动作定位问题比较困难。许多传统的视频动作定位和识别研究依赖于二维卷积神经网络和手工特征,手工特征的实现比较复杂。本文旨在通过对视频动作信号进行研究,提出更高效更精准的动作定位与识别方案。针对视频动作定位与识别任务,提出了一种两段式动作区域定位算法。本文所做的工作可以总结如下:首先将应用于二维图像分割领域的分水岭算法加以改进,创新性地应用于一维动作可能性信号,通过在时序区域的聚类得到长度多样化的候选区域,实现第一段定位网络的粗定位。并利用能够融合时域和空域特征的双流网络作为二元动作性分类器,产生用于分水岭聚类的时序信号,提升定位的准确度。提出了候选区域准确性判别器,利用滑窗候选区域对分水岭算法的候选区域进行补充,克服了分水岭聚类算法会遗漏一些正确的候选区域的缺点,提升了分水岭算法的准确率。进而提出了主-次优先级排序算法,将初步提出的分水岭算法优化为改进的主-次分水岭候选区域定位算法（Prior-Minor Watershed Action Proposal,PMWAP）,平衡了分水岭聚类算法和滑窗算法的优点,使得动作候选区域在极端情况下的定位也更加准确。进而提出时序上下文单元模块,并在此基础上引入时序金字塔池化算法,对内部候选区域和扩展候选区域实施结构化建模,得到一个扩展增强的全局区域特征。上下文信息模块能够对动作片段的起始阶段特征和终止阶段特征进行扩展,保证了动作片段的完整性。时序金字塔池化模块能够对动作片段的内部候选区域和扩展候选区域进行针对性地建模,精细化地处理视频特征,进一步提升动作定位精度。第二段动作定位算法（Temporal Context Regression,TCR）,采用多任务学习机制,同时实现了动作定位和动作识别。其中动作识别实现了动作/背景候选区域的分类,去掉了大量冗余的背景区域,而动作定位采用时序坐标回归算法得到更加精确的动作边界。TCR时序上下文回归算法以单元级的C3D特征为基本单位进行训练,区别于单帧训练方式,本文算法在提升精度的同时大大提升了训练效率。最后提出了一个融合了时序重叠率的新型动作分类器,利用联合损失函数,能够克服传统动作分类器对定位不准确的候选区域打分较高,导致定位不准确的问题,进一步提升关键动作识别在特殊情况下的准确率。经过实验验证,在两大基准数据集Thumos2014和ActivityNet进行了测试,与已有的先进算法相比,本文提出的两段式视频时序动作选举算法PMWAP+TCR达到了最优的平均召回率,可以有效提高动作定位的精度。所提出的网络结构和实验方法对视频关键动作定位和识别问题都有借鉴意义。