随着互联网的快速发展,人们的生活变得更加多姿多彩。观看网络视频成为人们休闲生活的重要组成部分,同时,网络视频中的广告投放业务也成为网络视频公司的主要盈利来源。网络视频中明星的穿着打扮往往会引领时尚的风潮,在关注视频情节的同时,人们对视频中出现的衣服也会产生一定的兴趣。因此,基于视频内容本身的衣服识别具有很大的实用价值。但传统的网络视频广告投放与视频内容本身大多无关,这样不但影响了观众的观影效果,也舍弃了对视频本身内容的挖掘。近年来深度学习算法被广泛应用在计算机视觉的各个领域,这就为基于视频内容本身的衣服识别方法研究带来了可能。本课题针对上述存在的问题,提出了基于视频内容的衣服识别方法研究。本文提出的方法主要包含衣服检测和衣服检索两个部分。该解决方法可以使用户观看的视频内容与视频公司所投放的广告内容相关联,减小视频广告对用户的影响同时提高广告投放的定向精确度。由于本课题主要涉及计算机视觉领域相关知识,因此总结了深度学习、图像检测以及图像检索等领域国内外的发展现状。本文将采用基于深度学习的方法来解决人体检测、姿势识别、人脸验证、衣服检测等任务,过程中主要对比了不同网络结构在不同任务中的特征表达效果,并结合主流目标检测框架完成基于视频内容的衣服检测。在衣服检索阶段,针对衣服检索面临的三个问题,将采用基于哈希二值编码的快速检索网络解决衣服检索的速度问题。尝试使用多种网络特征融合的方法解决衣服检索的精度问题。为了解决衣服检索的评测问题,利用爬虫技术爬取百度搜图中的结果图片和DailyMail中的衣服图片构建两个评测数据集。最后利用信息检索中经典的评测指标对两个评测数据集进行相关网络特征表达效果的评测。