伴随着无人驾驶领域的快速发展,安全防撞技术成为当前研究的核心课题。应用计算机视觉技术采集前方车辆或者障碍物的运动参数,以实现车辆防撞是目前性价比最高的无人驾驶方案。采用卷积神经网络在车辆目标检测与跟踪方向可以保证目标检测的高准确率,然而神经网络算法对硬件资源需求很高,并且高性能的硬件体积都很大,价格上也很昂贵,应用于汽车移动环境有很多不便之处。针对上述问题,本文采用小型嵌入式系统实现卷积神经网络的运动车辆检测与跟踪,来解决资源不足的问题。通过改进神经网络算法降低硬件资源消耗,优化算法性能,满足实时车辆检测与跟踪的需求。本论文主要研究内容如下:1.针对运动车辆的检测提出符合嵌入式平台的算法,使用SSD算法作为检测模型的主要框架,使用轻量级Mobilenet V2算法作为改进框架,大幅度提升检测速度。2.针对车辆跟踪部分,使用SORT算法作为跟踪核心算法,其中使用数据关联的方法,将车辆检测与车辆跟踪技术结合起来,最终实现在嵌入式端实时的车辆检测与跟踪。3.针对嵌入式开发,本文采用RK-3399芯片进行车辆检测与跟踪系统搭建,其中将车辆检测与跟踪算法所需要的框架和库移植到嵌入式端,最终完成实时车辆检测与跟踪。实验证明了通过Mobilenet V2框架改进后的神经网络的画面每秒传输帧数比Mobilenet V1框架有着较大的提升,准确率也有很大提高。并且通过将车辆检测与跟踪分化成两部分,对每周期的第一帧图像进行车辆检测,对周期内剩余帧的图像进行车辆跟踪。论文还对车辆检测与跟踪周期进行多组实验,找出最佳周期,进一步提高了实时车辆检测跟踪速率。并且在嵌入式平台实时环境下的使用准确率很高,画面每秒传输帧数也很可观。从实验结果来看,基于RK-3399嵌入式的车辆检测与跟踪的无人驾驶系统方案可行,前景可观。