随着人工智能的普及,生活中的方方面面都应用着计算机视觉技术。场景文本检测是计算机视觉领域的基础任务,通常与文本提取、文本识别等技术相结合,应用在智慧城市、智能辅助驾驶、视障人士导盲等领域中。当前,对文档图形进行检测主要使用的是通用检测器,但复杂的背景环境以及场景文本行的扭曲等条件会导致大量漏检、误检问题的出现。为克服场景文本扭曲等复杂现实问题以提升文本检测效率与质量,本文结合通用检测模型和卷积神经网络理论,开展了场景扭曲文本检测方法的研究。论文的主要工作如下:（1）对近几年场景文本检测模型的网络结构和实现方法进行研究,采用CNN提取特征的高效率性,且提取的特征能较好的表示语义信息的特点。在场景文本检测模型中应用卷积神经网络,提取出的场景文本特征拥有较好的语义信息,并将其应用到场景扭曲文本检测中。（2）对于场景中文本行扭曲、环境复杂导致检测质量不高的问题,本文参考现阶段的深度学习模型,并在此基础上对网络模型进行修改,提出一种基于PSE网络结构的场景扭曲文本的检测算法。将主干网络替换成轻量级网络从而提高模型检测速度和检测质量,在处理相邻文本行重叠像素值冲突的问题时,用K-nearest取代队列机制加快训练速度。（3）为解决常规方法检测场景文本时效率和质量之间不平衡性这一问题,在PA网络上进行改进,得到一种级联的场景文本检测方法。首先,使用轻量级网络Mobilenet V2初步提取场景文本特征。然后,构建一个充分利用上下文语义信息的可级联网络,对Mobilenet V2初步提取特征的基础上再次增强特征信息。最后,利用便于分类的高层网络特征和便于定位的低层网络特征以改进的方法进行融合,使级联网络提取的特征鲁棒性更强,更便于场景扭曲文本区域的定位和分类。通过在公开数据集CTW1500、ICDAR2015上进行实验验证,本文的方法在场景扭曲文本检测的性能上均有提升。基于改进PSE网络结构的场景扭曲文本检测算法不仅有较好的准确率,在场景文本行的形状为扭曲时,也取得了不错的检测质量。基于PA网络的方法,在保住原有准确率的基础上降低了网络模型参数量,从而实现检测速度提高,实现实时检测。