目标检测作为计算机视觉中最基本、最具挑战性的任务之一，旨在找出图像中特定的目标，并对目标进行定位和分类，现已被广泛应用于工业质检、视频监控、无人驾驶等众多领域。近年来，随着计算机硬件资源和深度卷积算法在图像分类任务中取得突破性进展，基于深度卷积的目标检测算法也逐渐替代了传统的目标检测算法，在精度和性能方面取得了显著成果。综述了基于深度卷积的目标检测算法的研究现状以及今后可能的发展方向。以传统目标检测算法存在的局限性为引，首先介绍了目标检测算法权威的数据集和评估指标；再以时间和算法架构为研究主线，综述了近年来基于深度卷积的目标检测代表性算法的研究和发展历程，对比分析了单阶段、双阶段以及其他改进算法的网络架构，并归纳总结出各类目标检测算法所存在的特点、优势和局限；最后结合当下目标检测存在的问题与挑战对未来趋势进行展望。