随着科技的发展,人类已经迈入了人工智能时代,越来越多的产品走向“智能化”。人工智能算法离不开大规模数据集的构建,因此各种各样的开源数据集应运而生。特定数据集的需求对数据标注系统提出了新要求。此外,数据标注是一项枯燥、费时的工作,如何利用已有技术提升标注的效率,也为标注系统的设计带来了挑战。为了满足特定的标注需求,本文设计并实现了一种基于机器学习的图像标注系统。该系统不仅能够满足手工标注的需求,也可以利用成熟的计算机视觉相关算法,完成初始自动标注,人工修改,从而大大提升标注效率。值得一提的是,该系统还具有较好的扩展性,为图像数据集的准备奠定了良好的基础。本文首先介绍了课题的研究背景和意义,确定了标注系统的主要工作。其次对系统设计与实现过程中应用到的相关技术和开源库进行了介绍与分析。然后介绍了图像辅助标注利用到的算法设计与分析,对现有的人体行为识别算法作出改进,并作出评估。随后本文描述了系统的需求,介绍了系统的总体架构设计,并将系统划分为图片预处理、人体关节点标注和运动阶段分类标注等子模块,结合时序图和流程图,阐述了各子模块的概要设计。在此基础上,介绍了每一个模块内部的详细设计与实现,利用类图和数据表展示了类中的方法实现。紧接着,对标注系统的各个功能进行了测试,描述了预期结果和实际结果。最后,对已完成的工作进行了总结,对下一步图像标注系统的相关工作进行了展望。