随着大数据、云计算、移动互联网等技术的迅速发展,人工智能技术逐渐成熟,无人驾驶成为可能。自动驾驶技术不仅可以减轻驾驶员的负担,更能够有效减少交通事故的发生。“互联网+交通”是将互联网新技术应用到智能交通领域,使得机器能够识别车辆、行人、信号灯、交通障碍物等一系列交通目标,从而为智能交通、实现自动驾驶提供基础设施。而自动驾驶技术最重要的一个技术点就是环境感知,利用图像识别技术,感知周边环境,检测道路车辆、障碍物、交通信号灯以及交通标识。近年来,基于视频图像的检测技术开始发展起来,该技术利用图像采集设备对检测目标进行图像的实时采集,并对采集到的数据加以分析。然而,如何能够提高车辆安全性能,提高交通目标检测准确率和检测速度是实现无人驾驶的关键。本文深入研究交通目标特点,以及实现自动驾驶需要的可靠性和实时性特点,针对交通信号灯以及交通障碍物这种特定的交通目标进行分析研究。首先,利用车载摄像头拍摄的交通道路视频,收集了多个城市的交通道路图像,并对图像进行前期筛选等预处理工作。其次,对交通信号灯以及交通障碍物共七类交通目标进行人工标注。通过对比传统交通目标检测方法以及基于图像的交通目标检测方法,本文采用一种基于YOLO的实时目标检测方法来实现交通目标检测任务。对YOLO最新的两个版本算法进行对比分析,针对不同结构的网络模型,分别对这几种交通目标进行实验,训练数据,得到检测模型。最后,从精确率、召回率、mAP、检测速度等几个方面分析两种模型对于交通检测任务的适用性。实验结果表明采用YOLOv3进行交通目标检测能够达到一种实时检测的效果,并且在检测精度上有一定的提升。