随着我国经济的快速发展,道路交通环境日益完善,汽车保有量不断增加。但同时汽车数量的不断增长也导致交通事故频发,每年由交通事故造成的人员伤亡与财产损失总量触目惊心,连年攀升的交通事故发生率对人民群众生命财产安全构成严重威胁,为社会安稳和谐带来负面影响。车辆行人是交通系统主要参与者,同时也是交通事故的主要受损方与受害者,因此,对交通环境中行人与车辆进行实时准确检测具有重要的研究意义。依据行人与车辆不同类别目标间差异较大,车辆类别内目标(如公交、卡车等)差异相对较小这一特性,设计了初步检测网络(Initial Detection Network,IDN)级联精准分类网络(Accurate Classification Network,ACN)的级联CNN行人车辆检测方法。初步检测网络对类间差异明显目标进行区分,精准分类网络对初步检测结果进行详细类别划分,两级网络在不同计算阶段提取与学习目标不同特性的特征。首先,通过迁移学习对初步检测网络IDN构建特征提取部分,并依据初步检测网络结构特性检测待处理目标中类间差异较为明显的行人与车辆,并将车辆检测结果送入精准分类网络进行后续计算,以排除非目标干扰减少计算量,提升检测准确性与检测效率。然后,在精准分类网络ACN中通过更改损失计算函数形式,增强检测网络对类间特征距离值较小样本间差异特征的提取与学习能力,使精准分类网络完成车辆类别目标的精准类别判定。最后,级联两级网络构建最终检测网络结构(IDN Cascade ACN for Detection,ICAD),完成检测任务。ICAD方法可以明显减少检测过程中所需计算的参数数目,在保证检测效果的前提下提升了检测效率。通过公共数据集与本实验平台创建的开源数据集测试结果表明,该方法在满足检测查全率的同时有效提高了检测速度,并在一定程度上减少了误检。