随着科技的发展,交通逐渐趋向智能化管理,对于公路上意外事故的检测成为热点问题,而图像识别技术,通过预先进行训练,能够将图像中符合被训练物体类别的目标识别出来并进行标注,受到图像背景干扰影响较小,可以移植到嵌入式开发平台中,具有快速、准确、适应性强的特点,在城乡道路的应用方面有着重要意义。本课题设计了基于英伟达嵌入式系统的图像识别算法,以完成高速公路特定目标的快速准确识别。首先研究了基于目标检测的图像识别算法。当前的图像识别算法,以卷积神经网络为基础,输入层在卷积层进行特征提取,在池化层简化特征数据,在激活层增加特征之间的非线性相关性,在全连接层进行多个特征的汇总。分析比较了当前的主流图像识别算法之后,选择了YOLO v3算法。YOLO v3算法基于darknet-53网络结构,能够在三种尺度下输出识别结果,并通过损失函数不断进行模型优化,检测识别率达到80%以上,识别速率约为0.3秒。然后设计了图像识别系统软件开发。大量的图片数据集,经过筛选和目标标注后成为训练集,进行模型训练,获得权重文件。权重文件导入算法结构后,对待检测图片进行识别,获得的识别结果被标注在图片上。为了进一步减低对高性能硬件的需求,YOLO v3算法经过裁剪优化后得到YOLO v3-tiny算法,适用于嵌入式开发平台。最后进行了图像识别系统的交互与测试分析。通过网络连接的方式,监控端、嵌入式开发平台与主机端之间进行图像数据交互。主机端进行上位机软件开发,将嵌入式开发平台识别后的图像数据实时显示,记录接收的时间节点并储存,能够查看先前接收到图像的历史信息。