从Egocentric视频摘要中检测和识别不同的对象是计算机视觉的一项重要技能,它利用在图像和数字视频中对特定语义类的检测实例来进行动物识别,并生成一段简短而有意义的视频,这对视频数据内容管理和易于检索是非常重要的。在卢旺达Akagera国家公园,从可穿戴摄像机制作的大容量视频中同时对多个不知类别的动物进行的检测和分类,仍然是最大的挑战。现有的人工方法无法识别公园图像中的动物。本文的目的是为了找到一个更好的解决方案来应对这些挑战。主要研究工作包括:1)构建一个动物检测的系统结构,并创建一个对Egocentric视频中有意义信息总结的事件。2)按照动物的类别进行分类,将识别的Akagera国家公园的动物分类为有限的类别之一。3)检测在Akagera国家公园可获得的某一类动物。4)创建在小存储空间内呈现动物检测事件的短视频摘要。5)检测动物和视频摘要的数字演示结果表明,我们的方法是非常有效的。本研究采用基于卷积神经网络(CNN)的现代目标检测方法,如SSD。它是一种非常强大的目标检测工具,可以利用单一的深层神经网络来检测图像中的物体,并且这个SSD使用了在网络顶部的多个特征图上附加的多尺度的卷积边界框,并且在速度和精度之间取得了良好的权衡。我们的方法是用Python开发的,便于编写,并提供了在图形处理单元(GPU)上进行训练的选项。我们将Caffe框架集成到深层特征提取和训练SSD模型中。本文方法构建了数据集,将动物的帧序列分类为两类(训练集和测试集),检测动物并对最后的测试结果进行类的特征总结。从检测动物数据集的实验结果表明,该方法在动物检测实验中是非常有效的。我们的方法在“检测动物数据集”测试中分别达到了 82.5%和70.4%的精度和召回率。实验结果表明,该方法对10个类动物进行了 138帧的测试。评估过程主要集中在我们提出的10个样本类的检测动物上。由上我们得出结论,已经实施了一种新的系统结构,它有效地利用了先进的物体检测和一种有助于区分和识别动物种类的方法,并潜在的提供更优的性能和处理大量视频数据的能力,同时给出了小存储空间易于检索的动物检测事件,我们还指出了未来的研究方向。