本发明公开了一种视频显著性区域检测方法、装置、电子设备及存储介质。所述方法包括如下步骤：获取待传输视频序列，输入到训练好的视频显著性区域检测网络中；采用3D卷积主干网络的编码器，提取多尺度时空特征；通过帧间注意力模块，增强深度特征的时间特性；将多尺度时空特征传入双向时空金字塔中，采用注意力引导融合机制进行融合；将融合后的特征传入解码器中，进行求和与上采样，恢复原始视频帧尺寸，以获取最终的视频显著性图，为后期视频通信服务。所述方法探索多尺度时空特征高效融合方式，提高视频显著性区域检测精度，且计算复杂度低，在精度和计算时间上均有明显优势。