显著性目标检测作为计算机视觉领域的研究热点之一,它旨在通过设计算法让计算机模拟人类视觉系统,自动获取图像中的显著目标或者区域。视频显著性目标检测在视频压缩与编码、物体跟踪和边缘检测等领域具有广泛的应用价值和指导意义,因此学术界越来越多的相关人士投入到此项研究中。近年来,深度学习的快速发展与应用促使显著性检测的研究取得了巨大的进步。本文在对现有显著性检测方法分析比较的基础上,利用深度学习的方法解决视频显著性目标检测问题,该方法在检测效率与精度上表现更佳。本文主要研究内容如下:首先,总结概述了图像及视频显著性目标检测的研究现状,介绍了显著性检测相关的理论基础,并对四种主流的显著性检测模型进行了重点介绍和性能分析,为进一步研究显著性目标检测提供方法基础和理论依据。其次,本文从生成对抗网络以及弹性网络中得到启发,提出一种基于条件生成对抗网络以及多范式加权正则的视频显著性检测方法。该方法包含两个对抗的部分,分别为生成模型和判别模型。这两个模型通过在图像数据集和视频数据集上的对抗学习以及多范式的约束,使得最终模型更好地把握待检测视频的时空特征,完成视频显著性目标检测的任务。在公共数据集上进行对比实验,结果表明该方法有着更好的性能,可以满足实时性的需求。最后,针对视频显著性目标检测中存在的帧间损失较大以及时序特征学习不足等问题,本文结合周期性学习率理论,并融合残差网络和U-net网络,提出一种增强时序特征的视频显著性目标检测方法。该方法分为两个连续的阶段,在第一阶段中通过静态图像和视频数据集来训练模型;在第二阶段中为了强化模型对视频序列学习到的时序特征,特别融合了前后视频帧的信息以及第一阶段模型输出的显著图来继续训练,最终得到视频显著性目标检测模型。通过公开数据集上的实验,结果表明该方法在检测精度上有了进一步提升。