本发明提供一种视频感兴趣区域的提取方法。对原始图像进行下采样，得到多通道低分辨率图像(步骤S1)。利用训练的卷积神经网络，从多通道低分辨率图像提取特征，得到多维初始特征图(步骤S2)。利用经过训练的卷积神经网络，对多维初始特征图进行特征提取和下采样得到分辨率呈比例缩小第一特征图至第n特征图(步骤S3)。将第一特征图至第n特征图的分辨率对齐后融合，得到融合特征图(步骤S4)。利用卷积层将融合特征图展开成一维向量，通过全连接层分类，得到矩形区域的坐标、长宽和概率值(步骤S5)。将概率值由大到小排序，选取规定个数概率值大的矩形区域作为识别的感兴趣区域ROI(步骤S6)。