交通场景的目标检测在智能交通、辅助驾驶、自动驾驶等领域有着非常广泛的应用。其中,在辅助驾驶和自动驾驶的领域,对目标检测模型的精度以及实时性都有着相当高的要求。另外,不同于智能交通场景中的位置高、视野广的摄像头,辅助驾驶和自动驾驶所用的车载摄像头一般位置相对较低,视野相对较窄,因此拍摄到的画面中会出现更多的部分被遮挡的目标,更难检测。并且远近尺度变化、不同的光照条件也给检测系统的稳定性带来了挑战。随着深度学习硬件算力的逐年提高,模型的实时性的要求会越来越容易被满足。只要能达到更高的目标检测精度,更深的卷积神经网络模型就一定会逐渐被用于新型的智能驾驶汽车上。而对于智能交通这样不那么依赖目标检测实时性的场景,对模型检测精度的提高就更为富有意义。本文使用了基于YOLOv3的全卷积神经网络模型,使用了多尺度融合特征在多个尺度的特征图上进行了目标检测。训练出的车辆、行人检测模型在KITTI数据集上取得了较高的检测精度并具有相当不错的实时性。另外,针对数据集中的样本不平衡问题,本文提出了类从属的k-means聚类算法。算法在聚类生成先验候选框时,利用边界框宽度、高度和类别三个维度的信息,消除了样本不均衡问题对聚类结果产生的影响。此算法生成的先验候选框可以更好地总结那些样本数量上占劣势的类别的边界框的特征(在本文中为行人类别)。更好的先验框给模型带来了更好的初值,帮助模型更好的学习边界框预测。使用本文提出的类从属的k-means聚类算法生成的先验框,网络提升了最多达3.1的行人样本平均检测精度。