人类经过长期进化具有了发达的视觉注意机制,能在复杂环境中快速选择性的发现感兴趣目标。如何模拟这种视觉注意机制是计算机视觉领域的重要研究内容之一。视频显著性检测可以通过计算机模拟人类视觉注意机制,从视频中快速找到感兴趣区域,其广泛用于目标识别,行为分析,图像检索等领域。本文主要研究深度学习在视频显著性检测的应用方法。首先介绍了显著性检测与深度学习的研究背景、当前进展及相关知识,包括人眼视觉注意机制,图像分割方法,卷积神经网络和长短期记忆网络等。然后结合人眼观看视频时注视点变化的相关规律提出了一种基于深度学习的视频显著性检测算法。该算法结合卷积神经网络和长短期记忆网络分别设计了2个深度神经网络。其中卷积神经网络用于检测视频帧内的显著性,它在YOLO与FlowNet两个网络的基础上构建,基于YOLO的部分检测帧内的空间特征,专注于物体检测;基于FlowNet的部分检测帧内的时间特征,专注于运动检测;同时将YOLO网络提取的特征标准化后作为FlowNet网络的部分卷积层输出的掩码以使其更专注于物体的运动检测,然后通过一个特征融合网络融合前述两个网络生成的时间特征和空间特征并生成帧内时空显著图。另外,长短期记忆网络则将卷积神经网络的结果作为输入来检测视频帧间的显著性转移,将卷积运算加入到长短期记忆网络用于计算视频帧间的空间特性,同时设计了基于中心先验的Dropout来防止过拟合,最后通过反卷积来生成最终的显著图。对本文提出的算法模型,采用几种常见的显著性评分方法分别在训练数据库与其他数据库上做了综合评估。结果显示,本文提出的算法在检测视频显著性上的效果较其他算法有所提升,同时泛化性相对较好。