在大数据时代的今天,面对海量的视频图像资料,我们很难快速高效地获取其中的信息。而视频中的字幕往往具有极强的语义信息,能够有效地帮助人们对视频内容进行理解和分析,对海量视频数据进行快速的索引和分类。本文旨在利用深度学习技术对视频图像中的字幕文本进行高速且准确的检测,从而高效快捷地实现视频数据内容信息的获取,辅助从业人员进行海量视频数据的检索分类工作。本文主要研究基于深度学习技术的视频字幕图像检测方法,包括字幕文本定位和字幕文本识别两大部分。在充分调研文本检测相关技术的基础上,完成了视频字幕检测系统的软硬件环境搭建,视频字幕数据集的建立,视频字幕检测算法的研究,以及模型、算法的改进与优化。首先,建立了相应的视频字幕数据集,字符样本包含常用汉字6763类、英文字符26类、数字10类等,充分考虑了样本的多样性、均衡性和泛化能力。之后,针对视频字幕文本检测的具体场景,选取Faster RCNN检测框架,使用CNN进行图像特征提取,引入先验损失函数、锚框抖动等方法提高了精度和召回率。最后,完成了整体系统的串联与搭建,从视频读取到字幕帧截取,再到字幕文本行定位及文本内容检测,实现了端到端的从视频输入到文本字符串输出过程。本文设计并实现了一个兼顾速度与精度的视频字幕检测系统,能够实现对视频字幕文本的实时定位与识别。最终文本检测精度和召回率达到了 99.5%,文本识别top-1准确率为97.5%,整体检测速度达到45fps。