近年来,图像显著度检测技术发展迅速,吸引了大量的研究者。而视频显著度检测技术,在计算机视觉领域当中往往被看作是图像显著度检测的延伸,在近几年刚刚兴起,还处于研究的初级阶段。由于相对于图像显著度检测,视频显著度检测加入了时间信息,所以是一项很具有挑战性的课题。本文提出了从空间信息和时间信息两条线索对输入视频进行处理的算法。在空间信息上,针对视频帧当中的颜色、强度等低层信息进行基于图流形排序的静态显著度检测；针对人脸这样的高层信息进行基于Haar-like特征的目标检测。在时间信息上,针对视频帧序列的移动信息进行基于快速浓密光流的动态显著度检测。然后,本文提出了一个合理有效的融合机制将基于以上几条线索计算出的结果融合起来,并得到最终每帧的显著度图。在实验中,从四个不同的方面验证了算法的有效性,并提出了两种客观合理的视频显著度检测的评测算法。最后,本文将算法在欧姆龙的数据库上运行,取得了良好的效果,并针对一些存在的问题提出了改进的意见。此外,由于视频的数据量都比较大,如果算法的速度过慢的话就基本上失去了实际应用的意义。本文以快速处理输入视频数据为重要的前提,并取得了良好的结果,可以达到每秒5帧的处理速度。