随着社交网络和智能传感器等技术的快速发展,视频等多媒体数据呈爆炸式增长。如何快速有效地对海量的视频数据提取关键信息,给传统的图像视频处理技术带来了极大的挑战。人类在观察场景时,视觉系统可以迅速聚焦在视野中最重要的区域,并忽略无关的视觉刺激,这种能力称为选择性注意机制。视频显著性预测旨在模仿这种能力,在视频序列中预测可能引起人类视觉注意力的区域。它可以帮助计算机系统快速解析视频场景,定位感兴趣区域,常被广泛应用于视频处理、质量评价以及视频压缩等领域。传统的视频显著性预测方法主要基于手工设计的特征,显著性预测性能受到极大的限制。基于深度学习的方法可以自动学习并提取具有更强表达能力的特征,但是这类方法主要被应用在图像显著性预测,用于视频显著性预测相关工作较少。针对上述情况,本文结合深度学习方法的优势,围绕时空特征的提取与分析,开展了视频显著性预测方法研究。本文的主要工作如下:1)提出一种基于时空双流网络的视频显著性预测模型,模拟人类视觉信号处理的腹侧流和背侧流过程,将显著性预测分为空间流网络和时间流网络两个通路分别处理。视频帧通过空间流网络进行静态显著性预测。本文设计了一种深层2D CNN与浅层3D CNN级联的时间流网络,来提取视频帧间运动相关信息,用于时间域显著性预测。这种级联架构可以提高训练效率,降低数据需求,同时实现性能提升。最后利用融合网络来整合时空双流结果得到最终显著图。此外,本文设计了一种卷积高斯先验层,用于模拟人类视觉行为中的中心偏向现象,以提升模型性能。在两个公开的视频显著性数据集上,该模型与常见的显著性预测模型相比,可以取得更优的性能。2)提出一种基于时空循环神经网络的视频显著性预测模型,该模型能有效地利用帧内和帧间信息进行视频显著性预测。本文利用静态网络模型和动态网络模型,分别对视频帧提取空间和时间显著性特征。针对时间域和空间域特征的融合,本文设计了一种特征选择加权融合模型,该融合模型可以自动地学习在通道方向上对时空特征进行选择并分配不同的权重进行特征融合。此外,本文设计了一种注意力感知的卷积长短期记忆网络,用于对时空特征进行帧间关系建模并预测显著性区域,该网络可以处理连续帧的位置和内容关系,使得预测结果在时序上更加平滑和连续。在四个公开视频显著性数据集上,与常见的显著性模型相比,该模型能够取得更好的性能。3)提出一种基于时空特征与先验知识的快速无人机视频显著性预测模型。通过对网络模型的简化,以及对无人机先验知识的建模,实现了快速的视频显著性预测。本文设计了一种时空特征提取网络块结构,该结构分为帧内特征提取和帧间特征提取两个子模块。视频帧输入到该结构中,可以同时提取帧内静态特征和帧间动态特征。针对无人机视频场景,本文设计了一种多通路先验网络,用于视觉行为中的偏向现象建模。该模型同时整合了视频环境语义先验、数据观察先验和中心先验知识。此外,本文还设计了一种时序加权平均网络结构,通过简单的特征加权平均方式进行帧间关系建模,该网络结构能够使预测结果在时序上更加连续平滑。在大规模无人机视频显著性数据集上,与常见的显著性模型相比,该模型参数少（52 M）、速度快（显著性预测帧率大于300 FPS）,并且能够取得先进的性能。