红外相机视频是野生动物调查的主流研究方法之一，但在林区受设备角度、复杂环境与野生动物活动的随机性影响，极易出现检测中光流捕捉错误或简单语义难以识别的情况。针对此类问题，提出一种基于多帧关系网络特征增强的视频目标检测方法（multi-relation video object detection,MR-VOD）。该算法在图像关系网络的基础上，综合考虑上下帧目标之间的关系，通过多阶段推理，实现对野生动物目标的准确检测。同时，以神农架林区野生动物红外相机视频为基础，构建相关野生动物视频目标检测数据样本集作为实验区。试验证明，改进后的算法检测性能有所提升，平均准确率达81.96%，比Faster R-CNN提高9.32个百分点，在川金丝猴（Rhinopithecus roxellana）的检测上提升30.79个百分点，并在多种复杂场景下测试表现良好，有效减少了错检漏检的情况。该算法的实现将为神农架野生动物智能监测云平台提供检测基础，同时为后续开展的野生动物保护、种群评估提供必要的技术支撑。