目标检测作为计算机视觉领域中的一个重要研究课题,是识别和定位任务的统一。目标检测的主要目的是定位图像中感兴趣的目标,既要给出目标的边界框位置,同时又要准确的判断每个目标的所属类别并对其进行打分。本文主要对基于卷积神经网络的目标检测算法进行研究,在SSD算法的基础上提出一种可以从零开始学习的目标检测算法,可扩展用于数据库相对匮乏的特殊目标检测领域。本文算法架构主要以利用深度可分离卷积结构改进的密集块结构为主,在尽量减少算法的参数量的同时很好的防止了过拟合。针对如何将低层卷积特征的详细语义信息和高层卷积特征的抽象信息进行融合来提高特征的表现能力,进而提高目标检测算法准确率的问题,本文提出一种融合多层特征图语义信息的预测结构。本文完成软化非极大值抑制方法的实验,分析并证实了该方法不适用于基于回归的目标检测算法,进而确定本文算法仍然采用传统的非极大值抑制方法。本文目标检测算法的深度为116层,宽度为48层,算法的参数量为11.8M,远小于目前应用广泛的目标检测算法Faster R-CNN、R-FCN和SSD,运行时间为50ms,基本满足实时性要求,在PASCALVOC数据集上测试的平均准确率为78.6%,优于Faster R-CNN和SSD,加入MS COCO训练集测试后的平均准确率为81.6%,优于目前准确率最高的R-FCN算法,且本文算法尤其提高了小目标的检测准确率。本文算法可看成一种兼顾检测精度和速度的实时目标检测算法。本文自制3万张有5类学生行为的数据库来验证算法的实用性,本文算法在此数据库上测试的平均准确率为88%,可对实际课堂场景下视频或图片中的学生行为进行分析。