作为世界第一大运动,足球受到越来越广泛的关注,各种足球赛事应运而生,如欧冠、世界杯、英超等。然而,足球视频持续时间长,种类多等特点,再加上用户更多关注这些视频中的精彩事件,如足球比赛中的射门和角球等,使得传统的视频检索不能满足人们的需求。因此,如何快速定位出用户所感兴趣的视频片段已经成为当前足球视频分析的研究热点。目前针对足球视频事件检测的方法虽然取得了一定的检测效果,但过程复杂,且检测到的事件类型有限。针对这一问题,利用深度学习方法构建事件检测模型来检测足球视频中包含的事件。整个模型分成两个阶段:第一阶段用于生成候选事件片段,将待检测的足球视频分成特定长度的帧序列,利用滑动窗口进行扫描,一个滑动窗口内部的多个帧序列组成一个片段,每个片段为一个预测单元,通过三维卷积神经网络获取片段内的帧序列特征,作为双向循环神经网络每个时间点的输入并进一步整合,生成该片段的事件预测;第二阶段是对上述结果进一步处理,去除预测为非事件的所有片段,根据各类事件的检测效果设置阈值筛选出概率值较高的事件片段,通过合并得到事件发生的起始和结束位置,并做分类标注,最终输出完整的事件片段。本实验采用TensorFlow深度学习框架实现事件检测模型,并在足球数据集上训练和测试。实验结果表明,上述方法在足球视频事件检测上能取得一定的效果,为视频检索等后续工作提供方便。而如何针对不同的足球事件提取有效特征以提高单个事件的检测效果,还有待于进一步研究。