道路上车辆和行人的实时检测是计算机视觉的一个重要方向,单阶段的目标检测算法具备较高的实时性,但精度不高。因此本文基于实时性最高的YOLO(You Look Only Once)算法系列中的YOLOv2算法提出了多尺度特征融合的目标检测方法,使YOLOv2算法在不降低速度的情况下提高检测的精度。首先为了使数据在训练过程中更具有针对性,在开始训练前先将KITTI数据集通过聚类方式,选出最佳候选框尺寸和个数;然后在训练网络部分引用残差块结构加强语义信息,将底层信息进一步保留,提取更符合目标的特征表示;最后在检测网络部分采用特征金字塔网络,将不同尺度的特征图融合,使得高层低分辨率的特征图包含大量的语义信息。同时在训练时采用预训练的方式进行训练,在已经训练好的darknet19＿448.conv.23模型上进行微调,得到最终RF-YOLOv2模型。为了验证改进后RF-YOLOv2模型的有效性,选取KITTI数据集验证,通过多种评价指标与YOLOv2、YOLOv3算法对比,评估模型性能,并进一步探究了图像尺度对模型性能的影响。实验结果证明RF-YOLOv2模型在满足实时性的条件下,提高了对目标检测的精度;对于输入图像尺度来说,图像尺度越大检测精度越高,检测速度越慢,但随着尺度的增加,精度提升减弱且速度的影响一直存在,因此在选择输入图像尺度时应结合实际需求和所检测目标的特点进行选取。该论文有图37幅,表4个,参考文献52篇。