近些年来,随着智能终端和移动通信网络的普及,各类视频社交娱乐软件大幅兴起,伴随而来的是海量繁杂的视频数据。如何智能化处理这些信息数据,利用计算机对大规模视频数据进行智能化的分析和理解就显得尤为重要。在各类视频中,人类动作往往包含了视频数据的主要信息,对行为的识别以及基于行为识别的动作检测也是视频理解中最重要的研究课题,本文的研究重点是视频理解中的时序动作检测任务。本文主要基于深度学习技术,从上下文信息的利用以及不同跨度视频特征处理两个角度出发,提出上下文级联网络来帮助解决视频动作实例跨度大和边界模糊导致的动作边界定位不准确的问题。具体有以下几点:(1)从时序上下文角度,通过多层级联的方式不断地改变上下文长度并提高阈值来建立一个上下文敏感的多级时序动作提案模型,以此来精确有效的定位动作的边界。(2)从不同跨度视频特征处理角度,采用特征金字塔结合上下文级联网络来更准确对齐特征以及更好的利用不同分辨率的特征对动作边界进行定位。(3)针对时序动作检测任务中的提案分类部分,本文结合典型的提案分类模型提出了基于长时序编码模型的提案分类模型有效提升了动作识别的准确性。综合以上改进,最终本文提出的方案在时序动作检测任务标准数据集上超过了当前最好方法。