目标检测是计算机视觉领域的一个重要的分支,它的任务是在图像中确定需要检测的物体,通常使用一个矩形框在图片中框出物体的具体位置及大小,并判断物体类别进行输出。目前图像目标检测算法已经有许多极具代表性的算法。但是针对视频目标的检测算法却进展较为缓慢,视频数据虽然较图片数据来说,物体容易存在异常形变或遮挡等问题,但同时视频数据也含有比图片数据更多的时间序列信息。常见的目标检测算法可以分为两类,一类是双阶段检测,另一类是单阶段检测。前者首先得到候选框（proposal）,再对候选框进行分类回归,有着较高的准确性,后者只使用一个网络直接检测目标,有着较快的速度。Center Net算法属于标准的Anchor-free算法,通过高斯核生成热图,对目标物体进行中心点的预测,再通过中心点和预测出的长宽画出检测框。本文针对视频目标的检测,使用Center Net目标检测算法作为基本的检测器。首先在骨干网络加入CBAM注意力机制提高单帧图像的检测,然后使用相邻帧的热图信息对当前帧的热图进行特征融合,提高当前帧的检测效果。通过实验,本次课题研究的算法可以针对检测任务中多个类别进行识别与检测,通过调整参数及多次迭代训练,在自选的VID数据集上,比Center Net传统算法高出3%m AP。