透明目标检测旨在从图像中检测出玻璃杯、玻璃门等透明物体,其在智能家居、无人物流等领域有着广泛的应用。然而,由于透明物体材质的特殊性,其成像特别容易受到背景、光照等环境因素的影响,这导致了现有的目标检测算法在复杂环境下检测透明目标容易出现漏检与误检。对于透明目标,人类视觉的感知过程可分为以下2个阶段:1)结合待检测对象的整体信息及四周局部细节信息,综合判断是否为透明目标;2)根据透明目标的特征判断透明目标的具体类别。基于上述人类视觉感知机制,本文设计了一种两阶段检测算法,以实现复杂环境下透明目标的高性能检测。本文的主要贡献如下:（1）本文分析影响透明目标检测模型效果的因素,并基于此建立自有透明目标检测数据集。（2）本文首先设计了一种主从二分网络结构以增强基干网络的特征提取能力。随后,参照人类视觉感知透明目标第一阶段,设计了一种基于细粒度特征增强与感受野增强的特征金字塔结构,并结合自注意力机制,进一步对基干网络所提取的特征进行增强与融合,用于扩大视野感受范围和增强目标细节。（3）参照人类视觉感知的第二阶段,本文设计一种基于可变形感兴趣区域池化的双分支检测网络结构,通过可变形感兴趣区域池化提升目标特征表达能力,并结合边框回归和目标识别双分支网络结构,提高透明目标在变形、遮挡或重叠等情况下边框的精准度。为了验证提出算法的有效性,本文基于自有透明目标检测数据集开展实验。实验结果表明相比基线模型,本文提出的两阶段透明目标检测方法获得了3.6%AP提升。与其他主流目标检测算法相比,本文方法也展现出更优的性能。图34幅,表8个,参考文献99篇。