目标识别作为计算机视觉中最受关注的问题之一,近年来也取得了很多重大成果,性能以及识别精度都得到了大幅度的提高。现有的大部分目标识别方法都是在有监督条件下进行的,即需要大量的手工标注目标区域包围框的图片,从中学习目标的外观特征以及精确的位置信息。本文中在标注成本为零的前提下,借助视频的时序信息以及深度卷积神经网络来实现有效的弱监督目标识别方法。本文首先考虑到手工标注视频耗时费力的问题,利用视频中的动作信息来代替很强的人工监督信息,提出了一种基于视频学习的弱监督目标检测模型,在某些前景目标比较稀疏的特定场景下,甚至可以训练出一个检测精度与有监督方法相当的目标检测模型。鉴于原始的基于视频学习的弱监督目标检测模型在某些视频上前景提取效果较差导致最后检测精度不高的问题。本文在原始模型基础上主要做了两点改进:1)前景提取部分使用了效果更鲁棒的光流法来提取前景,这种方法结合了更多的视频动作信息,可以让初始伪标签提取的更加精准;2)伪标签使用基于改进的KCF算法进行多目标跟踪并优化,检测出了比原来框架更多的正确目标。上面的弱监督目标检测模型主要利用的都是视频信息,本文尝试借助有监督目标识别模型中的知识迁移到其他相似场景的视频中进行目标识别。主要的思路是将目标识别转化为对区域候选框进行前景背景二分类的问题,使用解决无监督域适应的RTN网络进行迁移学习。在最后的测试中,我们改进后的RTN网络可以超过微调网络模型以及原始弱监督目标检测模型的效果,通过迁移一个有监督模型达到性能精度提升的效果。