在智能辅助驾驶和无人驾驶系统中,道路目标的检测识别是非常重要的。随着人工智能和深度学习的快速发展,卷积神经网络在目标检测识别领域取得了优异的成绩,基于卷积神经网络对道路目标进行检测识别具有重要的研究价值和应用价值。行车记录仪视频中的图像包含丰富的道路信息,对视频中的道路目标进行检测识别具有重要的研究意义。本文使用深度学习的方法对行车记录仪视频中的道路目标进行检测识别,并设计成安卓应用软件。为了实现这样一个系统,本文的主要工作为:1)在电脑客户端完成对道路目标的检测识别,SSD目标检测框架是使用VGG16网络作为骨干网络实现对目标的检测识别。本文使用改进的SSD检测框架,VGG16网络替换为MobileNet网路,训练MobileNet-SSD网络模型,实现对目标的检测识别。本文主要对交通标志、骑车人、行人三类道路目标进行检测识别,其中交通标志共有105类,本文选取常见的10类进行识别。2)由于行车记录仪视频中的图像比较模糊,清晰度不高,影响了道路目标的识别效果。本文使用Scale-recurrent网络对原始图像进行去模糊处理,并标注去模糊之后的图片用于网络训练,得到新的MobileNet-SSD网络模型对道路目标进行检测识别。3)实现安卓应用开发,在Android Studio软件中配置opencv的环境,使用opencv的dnn模块,将训练好的MobileNet-SSD网络模型移植到手机上,在安卓应用软件上实现对道路目标的检测识别。对实验结果的分析表明,该系统可以对道路目标进行有效的检测识别。