近年来基于深度学习的静态图像目标检测方法取得了显著的进展,但对于视频目标检测而言,若简单地将静态图像目标检测网络应用到视频检测上,则可能因为单帧存在的运动模糊、失焦模糊导致目标在单帧上不能被检测到。此外,由于相邻视频帧之间图像变化缓慢,若每帧图像采用深度神经网络提取来提取特征,则存在计算冗余的情况。因此,基于深度特征流的视频目标检测的网络框架被提出,其只在稀疏的关键帧采用卷积网络提取特征,非关键帧通过光流场将相邻关键帧的特征传播过来得到特征,可以很好地提高视频目标检测的速度。本文在基于深度特征流的视频目标检测网络的基础上开展对牙齿视频目标检测的研究工作,主要工作内容包括:1.在基于深度特征流的视频目标检测网络框架的基础上提出了改进的自适应关键帧算法,根据清晰度和运动位移两个评价标准来选取关键帧,同时采用关键帧前后传播特征图的方式代替只向后传播的方式,减轻检测的抖动问题的同时提高检测准确率;2.提出了改进的目标通道算法,采用IoU+光流的方式将同一目标对象在视频流的不同帧对应的检测框连接起来,相比只计算IoU的方式而言能提高预测的准确率;3.制作牙齿视频目标检测数据集和牙齿视频分割数据集,除了采用数据增强来扩展数据集外,还采用了光流的方式,将牙齿视频目标检测数据集稀疏帧的标注扩展到所有视频帧,使得所有视频帧都有矩形框标注;4.首次在牙齿视频上应用深度学习视频目标检测网络,对视频中每颗牙齿都进行定位或者分割,并通过实验证明将深度学习目标检测网络应用在牙齿检测和分割上能取得良好效果,以及改进的自适应关键帧算法能够很好地平衡检测速度和准确率;5.基于深度学习视频目标检测网络开发了一款牙齿矫正应用软件,通过采用改进的基于深度特征流的视频目标检测算法,在视频中对牙齿进行目标检测,并采用改进的目标通道算法来确定待替换的牙齿在每帧中的位置从而替换上美化后的牙齿模型,能够在平板上向患者展示牙齿矫正后的静态图像和动态视频效果。