计算机视觉是人工智能研究的一个重要分支,其应用涵盖了安防、工业、教育等多个领域。近年来,将计算机视觉技术应用到自动驾驶领域,已经引起研究人员的极大关注。而目标检测又作为计算机视觉的一项基本任务,其高质量的检测结果具有重要意义。当前的目标检测算法主要分为传统的目标检测算法和基于深度学习的目标检测算法。前者主要通过人工设计特征和分类器实现目标识别检测,而后者主要是通过卷积神经网络对图像进行特征提取,再进行分类。相比于传统方法,后者的优势在于省去了繁琐的人工特征设计,并且其提取的特征具备更好的鲁棒性。无论是传统的目标检测方法还是基于深度学习的目标检测方法,在遮挡方面的研究大多关注于检测目标是否发生遮挡,虽然可以实现目标的遮挡判别,但却无法判别出目标对象的遮挡关系即遮挡与被遮挡关系。在研究自动驾驶技术时,也会遇到移动对象相互遮挡的情况。对于上述问题,本文的主要研究如下:1.为了解决目标对象的遮挡关系判别问题,本文提出基于目标对象距离估计的遮挡关系识别方法。此识别方法的理论依据为:对于同一光轴上的点,距离光心近的点所成的像将会遮挡距离光心远的点所成的像。由此得出结论,在目标对象发生遮挡时,距离相机近的目标对象将会遮挡距离相机远的目标对象。2.针对自动驾驶中出现的移动目标相互遮挡问题,本文结合深度学习目标检测速度快、鲁棒性强和双目视觉测距误差小的优点,设计了基于深度学习目标检测和双目视觉测距的遮挡识别系统。该系统利用YOLOv3模型和一种基于信息熵推导出的识别率与遮挡之间的关系,对视频帧进行遮挡检测;当检测到移动对象发生遮挡时,通过双目视觉测距技术和上文提出的遮挡关系识别方法,实现移动对象的遮挡关系判别以及被遮挡对象的位置预测。实验结果表明,此设计方法可以有效的解决移动对象遮挡识别问题且具有一定的实时性。