角标广告作为一种新兴的视频广告形式,无论是媒体运营部门还是媒体监管部门都需要掌握此类广告在视频节目中出现的时间、位置以及持续时长等具体信息,前者需要确认广告的投放是否符合合同规定,后者需要以此规范广告商的经营行为。因此,对视频角标广告的检测技术以及检测系统的研究有利于视频媒体广告业的健康发展。由于角标广告具有形态多变、尺寸不一、背景复杂等特点,使得检测过程中不能轻易选取合适的特征用以同时表征不同类别的角标广告。为了避免显式的特征提取,提高对不同角标广告的识别精度和算法的泛化能力,本文提出了一种基于卷积神经网络的视频角标广告检测方法,并构建了相应的检测系统。通过对不同视频中具有不同形变的角标广告进行实际检测,并与常用的检测算法进行对比,实验结果表明,该方法在一定的检测效率下具有很高的检测精度和较高的泛化能力,对镂空、遮挡、平移、缩放、旋转等形变具有一定的鲁棒性,在视频质量不佳、图像不够清晰的情况下,也能保持很低的漏检率与误检率。全文主要工作内容如下:1、针对视频角标广告的分层结构以及小尺寸等特性,本文提出了结合选择性搜索策略的快速图论分割算法用于获取目标广告的候选窗口。相较于滑动窗口法,获取的候选窗口的数量大大减少,从而提高了检测效率。2、针对视频角标广告存在的镂空、遮挡、缩放、旋转等特性,本文提出了利用卷积神经网络对目标候选窗口进行隐式的特征提取与类别判断方法。相较于显式的特征提取模型,卷积神经网络能够从样本中自动获取更能表征目标广告的本质特征,从而提高了检测准确率。3、依据软件工程相关理论,使用基于数据流的方法设计了视频角标广告检测系统。该系统具有合理的模块设计,以及友好的人机交互接口,可以帮助广告运营商以及媒体监管部门对角标广告的投放情况进行全面监测。