随着多媒体信息技术和网络传输技术的发展,人们在日常生活中所产生和获取的视频数量急剧增加。人类视觉系统能够快速地选择并集中于视频数据的相关区域,这一选择机制通常被称为视觉注意力机制。模仿人类视觉注意力机制的任务一般称之为显著性检测。得益于深度学习技术的不断进步,图像的显著性检测任务得到了空前的发展并取得了令人惊喜的成果。与图像不同的是,视频数据作为目前最为主流普遍的视觉数据,包含了丰富的运动信息和帧间相关性,其显著性检测任务还有待进一步研究。本文通过对主流视频数据集的统计发现,人类更容易被视频数据中的运动目标所吸引。因此如何更加准确地描述和提取运动信息成为视频显著性检测的关键问题。本文基于运动信息和帧间相关性对视频的显著性检测任务进行研究,主要工作如下:（1）提出了一种基于运动特征强化和分层融合的视频显著性检测模型。该模型包含空间、运动、分层融合和时序子网等四个子网。本文首先利用空间子网对视频帧进行空间信息提取,并在运动子网中利用空间信息监督和强化由光流所提取的运动特征。为了保留更多的语义信息,本文利用分层融合子网以多尺度的方式对空间信息和运动信息做充分融合。最后使用时序子网学习时序信息进一步优化显著性检测结果。所提的模型在三个主流数据集上均达到了最佳的性能,验证了模型的优越性和鲁棒性。（2）提出了一种基于帧间相关性和特征传播的视频显著性模型。为避免逐帧检测显著性带来的冗余计算,本文利用视频帧的低级空间特征计算帧间相似性,并引入关键帧决策模块和特征传播模块,改进基于运动特征强化和分层融合的视频显著性模型。其中关键帧决策模块利用皮尔逊相关系数和预设置信度判断并更新关键帧,特征模块则结合光流估计结果采用双线性插值算法生成相似帧特征。所提出的模型不仅保持了优良的性能,更大幅缩小了模型大小、减少了参数量,有效地提升模型效率,为显著性检测方法的实际应用做出有意义的探索。