深度学习在过去几年被广泛认为是机器学习中最流行的技术之一。利用深度学习理论进行运动目标物体检测是机器学习在计算机视觉方面的一个重要应用。现如今,对于目标物体检测这一问题的研究方法众多,但是针对一些可能遇见的复杂情况,例如突然的光照改变、物体的刚性/非刚性形变、目标物体的遮挡等问题,传统浅层学习方法不能准确检测跟踪运动目标物体。因此,本文基于前沿深度学习技术和在线模型更新策略,提出了一种新颖的单目标运动物体检测方法。该方法利用深度学习模型提取视觉潜在表征特征,通过离线相似度函数排序学习和在线模型增量更新,达到了检测单目标运动物体的目的。为了验证本文方法相较传统单目标运动物体检测方法的优劣,本论文在项目组组建的一个包含10段视频、1264个视频帧的数据集中,对包含本论文提出方法在内的8种方法进行了大量对比实验,并从统计学角度对实验结果进行定性和定量的分析。结果表明,本文所提出方法相比传统方法,在该单目标运动物体检测问题上具备显著的优越性和鲁棒性,在视频序列中出现例如突然的光照改变、物体的刚性/非刚性形变、目标物体的遮挡等复杂情况下,检测效果也比较突出。