随着人工智能和深度学习技术的快速发展,智能辅助驾驶技术和无人驾驶技术已经成为学术界和工业界中的热门研究话题,而道路目标检测和识别又是其核心研究内容。因此,鲁棒的道路目标检测和识别算法在智能驾驶领域中扮演着重要角色。本文主要是研究基于行车记录仪视频的道路目标检测和识别算法,同时将机器学习算法做成安卓应用,并进一步使用深度学习方法对道路目标进行精准识别。所使用的行车记录仪视频中包含了各类道路目标,便于本文中道路目标检测和识别算法的研究。为了搭建这样一个道路目标识别系统,本文主要工作如下:(1)针对行车记录仪视频中的道路目标检测问题,论文需要用到的图像处理技术主要包括图像灰度化、图像归一化和直方图均衡化等等。另外,论文用到的目标检测技术主要是采用级联分类器和矩形特征子对预处理图像中的目标进行检测,随后对检测得到的目标提取词袋模型特征以及方向梯度直方图特征。(2)针对行车记录仪视频中的道路目标分类识别问题,论文主要是采用支持向量机多分类器对检测得到的目标做进一步的语义识别,论文主要是将道路目标划分成小车、卡车、面包车、行人、骑车人以及巴士等常见类别。(3)在安卓应用实现上,论文使用C++语言和OpenCV计算机视觉库编写C++程序。编写完C++程序后,论文采用Java语言和Java本地编程技术完成安卓应用的编写,最后我们就可以对道路目标做实时的检测和识别。(4)鉴于传统机器学习方法在实时性与准确性上的局限,论文采用深度学习方法对行车记录仪视频中的道路目标进行精准识别。论文主要是使用基于卷积神经网络的目标检测框架,对于特征提取层,本文使用残差网络的卷积层来代替。大量的实验结果表明基于残差网络的方法要具有更高的准确率。通过算法的测试表明该安卓应用能够实时准确地识别道路目标,并且基于深度学习的系统比传统机器学习方法的实时性和准确性都更好。