随着全景视觉在视觉监控、智慧交通、虚拟现实等领域的广泛应用,人们对全景图像中的车辆、行人等目标的检测需求日益增长。全景视频是基于全景图像的高分辨率视频图像,可提供采集设备360°视场范围内的场景信息,具有平面显示和立体显示两种效果。在实际应用中,全景视频图像常被投影为2D平面矩形图像,会出现畸变失真、物体变形等问题,导致常规检测算法无法完整提取到图像内目标的特征信息而造成目标漏检、误检。本文基于以上问题对全景视频中的目标检测算法展开研究,主要工作内容如下:（1）针对等矩形全景视频图像中目标形变及尺寸差异较大的问题,提出了基于可变形卷积和特征融合的全景视频检测模型。在模型主干网络中使用可变形卷积来提高对形变目标的特征提取能力,使用改进路径聚合网络（Path Aggregation Network,PANet）+空间金字塔池化（Spatial Pyramid Pooling,SPP）模块的多尺度特征融合方法,通过加入跳跃连接将原始特征与融合后特征再融合,提高对不同尺度目标的特征提取能力。此外,构建全景图像数据集对模型进行训练和测试,实验结果表明,该模型与其他模型相比具有最高的检测精度和较快的检测速度,能够快速准确的检测到全景视频中的变形目标。（2）全景立体视频经过等矩形投影后为双目全景视频图像,该图像中同一目标的遮挡程度存在差异,针对该问题,提出基于特征融合和注意力机制的全景立体视频检测模型。该模型先将输入的双目全景图像分开送入参数共享的两个特征提取网络,再将特征提取后的两路特征图进行拼接融合,整合两路视频图像中的特征信息,接着通过CBAM（Convolutional Block Attention Module）模块增强对上下两路全景图像中相同目标特征的关注度,最终送入预测。同时,构建双目全景图像数据集并进行标注,对模型进行训练和测试。实验结果表明,该模型相较于其他对比模型更适用于全景立体视频中的检测任务,也证明了模型中使用双路特征融合方式和CBAM模块的有效性。（3）在全景立体视频直播系统的云转发端部署上述全景立体视频检测模型,并在不同场景中进行测试。结果表明,模型检测准确率均在90%以上,部署后系统平均时延为4.3s,验证了该全景立体视频检测模型在系统中的实用性。