由于深度学习在语音、图像上的成功应用,通过结合卷积神经网络与循环神经网络结构的循环卷积神经网络也随之被提出,以达到帮助计算机处理和理解视频这种具备时空特征的数据。然而由于缺乏标注数据和过多的参数,循环卷积神经网络在视频动作识别等任务上却存在过拟合的风险。为了解决这些问题,本文提出共享的循环卷积神经网络,并基于此提出时序VLAD模型对视频的时空特性进行建模,从而得到更具区分力视频特征表达。具体来说,针对循环卷积神经网络,通过共享“输入到隐层”的参数,减少参数的数量,降低过拟合的风险。而时序VLAD模型通过共享的循环卷积网络学习连续视频帧上量化权值,以VLAD方法进行量化,从而对视频的时空信息进行建模并给出视频的特征表达。在视频动作识别的基准数据集HMDB51上的实验结果证明了本文所提出共享循环卷积神经网络和时序VLAD的有效性。由于时序VLD是一个更一般的视频特征提取模型,我们更进一步在视频自动描述生成的基准数据集上证明本文所提出方法的有效性以及良好的可扩展性。