目标检测是自动驾驶系统的重要环节,基于机器学习的目标检测方法已经取得显著效果。但在自动驾驶环境下,无法提供高储存资源和计算资源。传统的视频目标检测算法网络结构复杂,计算硬件要求较高,并不适用于自动驾驶环境。于是设计一种实时性高,又能保证准确性的视频目标检测算法有其必要性以及实用价值。从检测速度提高方面对视频目标检测算法进行如下改进:针对自动驾驶环境中计算资源低的问题,提出面向图像的轻量化检测网络。针对检测算法特征提取网络计算量大的问题,提出基于全局信息的通道剪枝,使用归一化层实现通道稀疏化,优化检测网络的损失函数,设计基于残差网络的注意力机制模块来给予每一层全局信息,实现通道剪枝过程中通道的正确选取,保留对目标检测贡献率大的通道;针对检测算法区域提名网络参数冗余度高的问题,提出基于权值共享矩阵的细粒度剪枝,优化权值共享矩阵,选取合适的正则化方式,通过对比实验确定最佳剪枝率以及微调次数,实现参数量降低33%,大幅减少网络参数量。针对自动驾驶环境下视频目标检测算法实时性要求高的问题,利用视频相关特性,设计预处理算法。把视频分为关键帧和非关键帧,检测网络只对关键帧进行目标检测,减少对视频帧检测的时间消耗,提高算法实时性;针对把视频分为关键帧和非关键帧之后,遮挡模糊目标出现漏检的问题,提出基于非关键帧特征的特征传播网络。利用视频相邻帧的时空间相似性,融合关键帧和非关键帧特征,加强关键帧的特征提取,实现视频目标检测中遮挡,模糊和特殊姿态的高效检测。通过级联检测器,并在已优化的检测后处理算法下,增加小目标的训练样本,增强对小目标的检测。所有优化阶段均基于四维图新自动驾驶开源数据集进行实验验证,所提出的视频目标检测算法保证了原网络的精度并提高了检测速度,实现实时检测。