（1）第一阶段（Region Proposals阶段）：对一帧图像采用Selective Search算法得到最有可能是目标的2000个左右的Region Proposals（候选区域），改善了传统滑窗的思想（复杂度在10万-100万个候选区域），Selective Search算法采用合并超像素生成proposals（具体的详细的介绍参考第一篇论文《What makes for effective detection proposals?》）这是第一阶段，改善传统滑窗的笨方法，使得算法复杂度降低。 （2）第二阶段（特征提取）：对于图像深层信息的理解，采用卷积神经网络抽取图像目标中卷积特征，这