近年来,伴随着网络带宽的迅速增长、存储技术的进步以及各种视频录制设备的普及,人们已身处一个视频数据爆炸性增长的时代。面对海量的视频数据,依靠人力来对视频进行分类、识别和分析等操作并不现实。而人是当今社会生活的主导者,视频中大部分有价值的片段都与人体行为息息相关,基于人工智能的时序动作识别的重要性日益凸显,其已广泛应用于智能安防、老弱人群的监护、机器人研究等多个领域。如何分析处理如此海量视频数据,挖掘其中包含的信息和蕴藏的价值变得尤其重要。比起传统机器学习算法,深度学习的最大优点是提供了一种端对端的训练方法以自主学习数据特征,并用于分类识别。深度学习方法也因此在人工智能领域取得了诸多突破性的进展。因此,将深度学习技术应用于时序动作检测中,可以大幅提升视频中人体行为的理解和识别模型的性能表现,具有极大的研究价值。本文以深度学习方法为基础,设计了多种区段提议网络结构以获取更加优质的时序片段提议。采取多尺度特征融合策略,在动作特征之上,添加上下文信息和全局信息,并利用反卷积层进行特征增强,以使网络的时序边界回归和动作分类更加精确。此外,提出时序边界修剪模块作为通用的后处理模块,对网络检测到的动作时序边界进行精确修剪。并将所提出方案在THUMOS-2014数据集上进行了实验仿真。相较于近年的研究成果,所提出模型在该数据集上获得了目前的最高精度,mAP@0.5达到了53.3%。并且具有较高的召回率和较低的平均提议数,整体性能得到了大幅提升。此外,本文所提出的时序边界修剪后处理模块,对多个现有网络模型的时序定位预测结果进行了修剪,仿真结果显示所提出模块不同程度地提升了原有网络的精度,证明了所提出模块的有效性和通用性。