随着时代的发展和科技的进步,近些年自动驾驶技术已成为国际上热门的研究方向,特别是深度学习技术在近几年迅猛的发展,深度学习与计算机视觉的结合使得检测识别类的视觉任务提高到一个新水平。在完全实现自动驾驶之前,辅助驾驶是不可或缺的研究课题,道路目标检测识别是自动驾驶和辅助驾驶的重要组成部分。本文研究行车视频中道路目标的检测识别,然后在Android平台上实现具有检测识别功能的安卓应用。本文的主要工作内容包括以下几点:(1)建立道路目标数据集。本文是针对行车记录仪中城市市区和郊外道路目标的检测识别,需要建立特定场景的数据集,直接使用公开的数据集库训练出来的模型在准确率方面较低,并且某些种类的目标在公开的数据集库里并没有收录,因此,本文标注并建立了一个行车记录仪中视频的道路目标数据集,该数据集总共包含了4类,总共有4000张图像,其中3000张为训练数据集,1000张测试数据集。(2)行车记录仪中的图像由于在汽车行驶过程中会产生运动模糊,因此需要先对图像进行去模糊处理,本文提出了基于DeblurGAN改进的去模糊算法。能够有效的去除运动模糊,该算法相比传统的去模糊算法,其优势在于不需要去估计模糊的函数,并且去模糊处理的速度快。(3)使用SSD(Single Shot MultiBox Detector)检测算法检测道路的目标,SSD算法结合Faster-RNN算法和YOLO(You Only Look Once)算法的优势,是目前在平衡速度和准确率两个指标中比较突出的算法,易于移植到移动端,并且使用卷积神经网络ShuffleNet代替原始SSD中VGG16网络。(4)为了在不同的Android平台上对系统进行测试,本文开发了相应的Android应用软件,实现了行车记录仪视频中道路目标的实时检测识别以及对单张图像的检测识别功能。在App开发中,使用了C++和Java混合编程技术。