本研究提出了一种新方法，通过动作查询表示和时间自相似性量化视频中的重复动作周期。该方法在多个基准测试中表现优异，解决了复杂重复动作的计数问题，并引入音频信息以提高准确性。实验结果表明，该模型在不同数据集上优于现有技术，具有良好的鲁棒性和通用性。