视频显著性对象检测,旨在找出视频每一帧中吸引人视觉注意的对象。由于其广泛的应用场景,近几年吸引了越来越多的研究兴趣。然而,在当前的视频显著性领域,对“视频显著性对象”的定义一直存在一些争议。在大多数先前的工作中,都使用的是视频对象分割或运动追踪数据集作为标准,直接将单一的前景对象或运动中的对象看作是显著对象,这并不符合我们人眼视觉机制的判断规则。即便后来出现了专门针对于显著性领域的数据集,但它的标注方法也是标注人员将视频拆分成静态帧去标注的,忽略了其中重要的时序信息。并且,目前为止所有的视频显著性工作都仅仅区分了显著或非显著,这对于拥有了时序信息的视频而言,并不能充分体现其中的显著信息。基于以上问题,本文做出了以下三个方面的工作:（1）首先,本文在视频显著性领域提出一个全新的概念—带排序的视频显著性对象,用每一帧中各个对象上着落的眼动注视点的个数的相对比例去决定视频中的显著对象的显著等级。在这种概念下,多个物体在同一帧中的显著性将有所区别,同一物体在视频不同帧中的显著程度将不再一成不变,而是会根据上下文信息发生变化。这样做可以更加全面、科学的体现视频中的显著信息。在以上概念的基础上,本文标注了一个规模庞大的具有带排序显著性对象标注的数据集—RVSOD,用不同的灰度值反映对象的不同的显著等级,为本文新提出的定义提供标准。（2）基于RVSOD这一数据集,本文先后提出两个基于深度学习的视频显著性算法。第一个算法是基于时空特征提取的传统显著性对象提取算法,利用多尺度特征提取模块和双向卷积长短时记忆模块来提取视频中的显著信息。第二个算法,本文提出了一个双分支的多任务网络,加入眼动注视点来辅助进行带排序的视频显著性对象的检测。（3）本文对于传统视频显著性对象提取的方法在多个标准数据集上都获得了较好的结果,并且希望本文所提出的带排序的视频显著性对象的检测方法可以作为一个基线,在视频显著性对象领域中引出一个概念上全新的研究。