随着我国的经济水平不断提高,我国的汽车保有量和电动车的保有量也在猛增,汽车和电动车在给居民带来便利的同时,交通事故也在不断增长。针对我国存在的行人和电动摩托车驾驶员在交通事故中死亡率较高的现状下开展行人和电动摩托车实时性识别研究,对于降低死亡率和提高出行安全具有非常重要的实际意义。通过调查和对比,本文提出采用YOLOV3网络对电动摩托车进行识别、基于紧急刹车区域的电动摩托车和行人的位置判断的检测思想,主要的研究内容:首先分析了在目标检测中处理效果比较好的基于CNN的卷积神经网络,根据本文的识别对象的要求选用了识别精度高、对于小目标识别好和处理速度快的YOLOV3网络。然后根据本文的研究内容:行人和电动摩托车识别研究设定本文数据集收集对象。为能够让数据集更为丰富本文选择不同地点和不同时间进行视频采集,然后把视频转为图片,经过对图片进行筛选共收集照片54211张。最后根据本文训练环境和识别要求对软硬件进行配置,配置好的YOLOV3网络经过40000步训练,平均loss达到0.042549,训练结果达到要求。最后本文选定车速为20km/h和40km/h为实验车速,根据车速和刹车距离设定本文的危险区域、警示区域和安全区域。然后对1080P行车记录仪视频中的行人和电动摩托车进行判别,再根据电动摩托车和行人所在的区域来判断电动摩托车和行人是否会与该车辆发生碰撞。通过对视频中的行人和电动摩托车的识别率、漏检率、误检率进行统计,本文训练的网络能够准确、有效识别行人和电动摩托车,在警示区域准确率最低为95.7%,位置判断准确;处理速度在25FPS左右,与实时性(30FPS)相差不大,满足实时性要求,达到本文的目的。