本文综述视频物体检测方法，涵盖单阶段架构SSVD（聚合相邻帧特征）、多帧端到端学习（结合帧间运动）、VCOD框架（检测伪装目标并发布MoCA-Mask数据集）、相似度后处理（提升快速运动检测）、ODD度量（缓解过聚合）、高效推荐生成与聚类、时空计算平衡性能与成本、时间聚合网络（用于视频分割），以及利用平滑运动提升精度、效率并降低标注成本。