近年来,由于深度学习算法的发展,人工智能技术进一步的爆发,在许多领域中取得了决定性的技术突破。其中计算机视觉例如分类、检测、语义分割等更是取得了突飞猛进的发展,也给一大批计算机视觉相关应用提供了强大的底层算法支持。另一方面随着国内国际动漫产业的不断发展,动漫IP受到越来越广泛的欢迎和关注,本文认为动漫视频分析将会是计算机的一个很好的落地应用。因此本文针对动漫视频这一特定场景下动漫人物智能识别问题开展了深入的研究,通过深度学习中的目标检测算法训练智能识别模型,并基于训练模型搭建起一套完整的动漫人物识别服务应用。该应用可以批量地捕捉和筛选含有用户喜爱动漫人物的图片和视频,从而协助用户快速地对原本陌生的动漫人物建立一个认识,唤起用户对动漫人物及相关作品的兴趣,使动画产品更具娱乐性和吸引力。本文完整地介绍了计算机视觉在动漫人物识别中的应用方式,其组织结构包括项目研究背景、已有算法介绍、训练数据收集、训练数据标注、算法改进、模型训练和模型测试、相关应用服务搭建等多个方面。本文还收集和标注了一个包含36种动漫人物的数据库,为后续该领域的研究工作奠定了坚实的基础。本文还通过研究已有的检测算法SSD(Single Shot Detector),发现在训练过程中为了提高模型的召回率,SSD设置了较多的默认框,这样就会存在正负样本及其不平衡的问题。针对这个问题,本文创新性地提出了一种调节正负样本权重因子的优化方法,通过调节正样本的损失权重和减低负样本的损失权重,使得正负样本的比重达到平衡,更加有利于模型的训练学习。另外,本文针对项目业务场景进行研究,根据项目中动漫人物的图像语义特性,重点关注深层特征,制定了SSD网络简化、加速方案,对SSD网络结构进行了不同程度的剪枝优化,通过大量测试,确定最佳简化方案。通过上述优化方法,项目所采用模型与原始SSD模型相比,推理效率提升了16%,动漫人物角色识别精度mAP从74%提升到81%,为实际的动漫人物识别应用提供强大的算法支撑。最后,本文还利用服务器端的GPU资源,通过caffe框架,搭建了一个能够提供在线动漫人物识别的服务,进一步完善了该应用,扩展了应用范围。