近年来,随着移动互联网和移动智能终端的不断发展,视频数据出现井喷式增长。利用计算机高效处理这些数据具有极高的应用价值。人体姿态识别是计算机视觉领域近几年的研究热点,深度学习的飞速发展极大的推动了计算机视觉相关领域的研究。尽管深度学习在单一图像识别上已经取得了丰硕的成果,但是在视频流媒体内容识别方面仍然需要进一步的研究、发展,具体表现为识别准确率不高、识别粒度过粗、识别速度慢等方面。本文基于深度学习技术,针对投篮动作检测任务,分别给出了算法方案和工程实现。本文的主要内容和创新点总结如下:针对从长视频中定位目标动作的问题,本论文从两种算法框架下给出了具体实现。第一种方案采用RPN层,通过回归的方式估算投篮动作边界,通过分类的方式判断边界内的动作为投篮动作的置信度;第二种方案采用滑动窗口方法,通过固定大小的窗口在长视频中采样,再使用分类网络判断每一个窗口最终判断投篮动作发生的位置。针对投篮动作边界检测不准确的问题,提出双支路网络结构,在原始网络上增加了结构化检测支路。内容检测支路着重于帧内动作检测,结构化检测支路着重于投篮动作起始姿态检测,最终按照一定比重综合两支路检测结果,判断投篮动作的具体发生位置。综上所述,本文通过研究视频内容定位的关键技术,实现了对于投篮动这一特定场景视频动作提取的基本功能,同时针对识别粒度粗,定位动作的结构化差的情况,提出了结构化检测网络模块,极大的改善了识别细粒度动作的能力,并且依据算法完成了工程化实现,为特定场景下的姿态识别算法的研究和实践提供有效的解决思路。