随着智慧城市建设的发展,城市街景作为一种全新的地图服务方式应用在城市建设中,影像服务的主要方式为街景影像地图浏览服务,其中物体目标检测是目前计算机视觉研究的热门方向之一。城市街景中目标检测已经成为城市治理能力综合提升的重要环节。但目前在街景影像中要实现良好的目标检测效果仍然存在一些问题,例如街景背景复杂性,影像检索时间长,复杂场景下的行人、车辆检测面临着尺度变化、外观姿态变化、目标重复和遮挡等。针对街景影像中目标检测存在的问题,本文研究一种改进Yolo V3深度学习算法,对街景影像中的行人车辆信息进行检测,提升目标检测的速度与精度。本文主要开展的研究内容如下:1.对目标检测的发展历程进行了系统概述。从理论部分对传统目标检测的基本流程以及框架结构进行阐述和对深度学习主要部分卷积神经网络进行介绍。并通过对深度学习中两类主要代表性算法进行分析,作为文章实验结论的对比部分。2.根据城市街景影像的行人车辆检测的特点,提出一种改进算法,主要从精度与速度方面对Yolo V3算法进行改进,精度方面引入高级语义嵌入(SEB)的思想,将图像高层特征与低层特征进行融合。速度方面引入轻量级检测端的思想,提升图像输出结果的速度。在实验部分进行不同算法之间的对比,验证改进算法的真实有效性。结论为在街景影像数据集上MAP值达到了66%,Mean Precision值达到了85%。由于研究内容主要为城市街景影像中的行人车辆目标检测,针对实验不同深度学习算法数据集的选择需要满足场景下目标检测的要求,一类采用公开KITTI数据集,数据集共选择具有代表性的图像7000多张,并且进行图像数据集格式的转化用来进行算法的网络训练过程。另一类采用北京市西城区道路街景影像数据信息,数据集共选择具有代表性的图像4000多张,需要对影像数据集中的行人车辆信息进行数据集的标注参与网络训练。最后通过精度、速度评价指标以及图像输出结果得到改进算法对于街景影像中行人车辆中具有良好的检测性能。