随着城市化进程的加快,城市电动车数量急剧增加,但是由于城市化配套设施的不完善,许多居民将电动车通过电梯搬移至家里进行充电。由此产生的居民楼电动车安全事故频频发生,在此背景下电梯场景下电动车检测预警显得尤为重要。与此同时,随着计算机算力的不断提升以及社会需求的增加,目标检测技术被用在了越来越多的场景中。目标检测技术使用机器来代替人工在各种场景下进行目标检测和识别。目前绝大部分目标检测系统的设计方案有两种:使用传统的PC机器进行目标检测,或者使用搭载GPU的异构平台进行检测算法加速。这两种方案目前存在着功耗高,成本高,可重构性不强,开发周期长等的不足,当然,这些不足也与检测算法有着直接的关系。为此本文首先综合对比目前常用的几种目标检测算法模型,选取目前最易于部署在嵌入式平台的YOLOv2算法作为本实验的基准算法模型。并针对在电梯场景下高遮挡目标检测的稳定性不高的问题,提出基于方向场的电动车入侵预警方法,极大地提升了电动车入侵预警的准确率。在硬件层面,综合对比目前主流嵌入式平台,选取Xilinx7系列FPGA作为本次目标检测算法的实现平台。具体型号为Xilinx ZYNQ XC7Z020,该芯片主要包含两部分:ARM处理系统和赛灵思公司A7系列的FPGA（Field-Programmable Gate Array）即ZYNQ平台的可编程逻辑层（Programmable Logic,PL）。本实验中使用PS端做控制,PL端做并行加速计算。针对以上问题基于ZYNQ平台对YOLOv2目标检测算法进行优化与移植。主要工作包括:（1）基于YOLOv2算法,提出了一种针对电梯这一特殊场景下电动车识别的改进方法。通过改进的损失函数与激活函数的方法提高了网络的多尺度性,降低了小目标的漏检概率,提高预测和识别精度。同时提出开关因子α,很好地解决了由于电梯内空间狭小,目标极易被遮挡导致不能识别,造成预警失败的问题。（2）针对硬件设计,提出多通道传输,参数定点化量化,以及输入输出模块优化的方式来对算法进行硬件层面加速。针对算法模块,首先结合算法中计算占比最多的模块进行优化加速,对卷积模块提出二维展开的方式进行加速,对池化模块进行资源复用的方式进行加速。同时考虑到普通激活函数会出现梯度下降的问题,采用Leaky Re Lu激活函数来对网络进行改进。（3）在PC端进行特定场景下目标检测模型训练并测试,得到较好的效果后,首先提取模型权值/偏移量参数,并对其进行处理,以此作为依据通过Vivado HLS平台设计检测算法IP。对设计的IP进行测验和C仿真综合,完成以上验证后,对该模块进行封装,以供后续设计block design使用。（4）调用设计好的算法模块IP设计block design,设计并配置好ZYNQ7020的Processing System IP核的各项参数与接口。按照FPGA的设计步骤分别进行综合优化,布局布线等,最终生成bitstream文件,以供后续使用。论文整个系统采用PYNQ的软件框架来实现,完成数据的预处理和以及最终的目标检测与识别。该架构在ZYNQ平台上取得了良好的结果,对目标检测算法的落地提供了一定的参考价值。