图像和视频的识别一直是计算机视觉领域的关键问题。神经网络作为最可靠的计算机视觉方法之一,已经在这个领域发挥着越来越重要的作用。在图像与视频的识别过程中,其光照条件,包括光源的方向、图像局部的明暗、图像的对比度等等都很大程度上影响识别效果。然而,复杂光照条件下的各种识别问题仍是计算机识别领域尚未攻克的课题。复杂光照下的航运监控识别问题是一个复合型的问题,其挑战主要在于监控视频或图像本身有其特殊性:在光照方面,航运途中的光照条件是动态的,且比较复杂,目前的传统方法很难迅速、准确的消除光照影响;在识别方面,航运监控视频事件持续时间长、变化慢、动态与静态事件都可能存在,无法直接套用现有的方法进行准确有效的识别。针对这些问题,本文提出了一种使用循环生成对抗网络进行复杂光照的处理,利用深度卷积网络进行航运监控图像的特征提取,再用循环神经网络进行图像识别的识别算法,并将其整合实现了对光照条件较为复杂的航运监控图像进行高效率、高准确度的识别。实验结果表明,本文中的光照补偿算法的效果比传统算法无论是在主观观感上还是客观数据上都较优秀。本文提出的识别算法准确率相较其他算法有明显优势,且光照补偿算法与识别算法结合能有效提高准确率,展现了本文算法的优越性与有效性。