随着时代的发展,公共安全问题已成为我们关注的焦点问题之一,对视频监控的需求也随之飞速增长。传统的人工处理监控视频的方式已经无法满足我们的要求。深度学习是近十年来人工智能领域取得的最重要的突破之一。近几年深度学习与计算机视觉的结合使得识别类视觉任务有了重大的突破。同时计算机视觉的应用前景是十分广泛的,对未来产生的影响也可能是革命性的,计算机视觉和深度学习将会是信息时代下一个大事件。本文在追踪近几年深度学习与计算机视觉的结合的各项突破性工作的基础上,以食品溯源视频为研究出发点,设计了一种基于卷积神经网络的目标检测与识别算法。主要工作如下:1.我们对现有的几种基于背景的目标检测算法进行比较,结合我们实际应用场景,提出了一种基于IIR滤波器自适应背景模型的运动目标检测方法,该方法是对IIR滤波方法的改进,很好的解决了光照变化和目标对背景中造成的空洞,从而快速而准确地从现有的溯源视频中筛选出带有运动目标的图片。2.构建了带标注的图片数据库,训练了优化后的卷积神经网络模型,最后将基于IIR滤波器自适应背景模型的运动目标检测方法与训练好的卷积神经网络模型结合起来,用于实时的视频检测,并对实验结果做出了分析和验证。