实时检测道路中的车辆并统计其数量是道路监控系统的重要任务之一。道路上车流量较大时,车辆之间相互遮挡,图像检测算法难以对道路监控视频中的车辆做到实时准确的检测。为此,本文提出以车窗代替车体作为目标物进行检测,以提高被遮挡车辆的检出率。利用残差连接和多尺度特征提取方法,构建了只有24个卷积层的检测网络。此方法可有效提高对相互遮挡的车辆的检出率,且可对高帧率监控视频中车辆进行实时检测。实验结果表明,该检测算法的召回率达到了95%,正确率达到了96%,在GeForce GTX 1080 Ti显卡环境下的检测速度达到了142FPS。为了使本文提出检测算法在复杂目标物的检测上能有较好的效果,需要增加神经网络的深度,以提取足够的特征信息。于是在Darknet53特征提取网络的基础上,本文提出在检测网络中增加多尺度空洞卷积模块。由此可增加局部特征和特征图整体的关联且强化特征信息,使得复杂情况下基于车窗特征的车辆检测精度进一步提高。为使本检测算法可以有效的布置到边缘端,需要进一步减小权重模型的内存占用和加快算法的检测速度。所以本文提出采用模型通道剪枝策略对模型进行压缩。对于每一个通道都引入一个缩放因子γ和通道的输出相乘,联合训练网络权重和这些缩放因子。最后将缩放因子小的通道直接移除并微调剪枝后的网络。由此使得最后生成模型在检测精度相似的情况下提高了检测速度、降低了内存占用,获得了较好的效果。