车载视频中的行人检测技术是无人驾驶的重要组成部分,在检测精度和速度方面都有着较高的要求。由于行人在视频或者图像中的尺度问题以及复杂的背景环境问题,使得检测器的性能会受到很大的影响。本文在现有SSD算法的基础进行改进,以提高检测系统的性能。主要的研究工作包括:一、在 SSD 算法的基础上构建 AMSSD(Advanced MobileNet SSD,AMSSD)行人检测网络模型。首先在SSD算法中使用MobileNet网络减少计算量,从而提高检测的速度;然后再抽取合适的网络层构成分支检测网络,并针对行人尺度多变的情况,融合不同网络层的特征图进行检测。本文使用VOC和COCO数据集作为训练集,对Cityscapes数据集进行测试,实验结果表明AMSSD算法能够在保持精度的前提下提高检测速度,可达到实时的效果。二、在AMSSD行人检测网络模型的基础上添加Focal Loss损失函数,构建FAMSSD(Focal Loss and Advanced MobileNet SSD,FAMSSD)行人检测网络模型。该模型可平衡算法中正负样本和简单困难样本的数量,以得到更好的行人检测性能。实验结果表明,FAMSSD行人检测算法的精度优于未添加Focal Loss损失函数时算法。