近年来,各省市都在大力推进新型智慧城市的建设。执法记录仪是政府机关人员常用的执法设备,是构建智能公安重要的数据来源之一,研究处理这类数据的计算机视觉技术是构建新型智慧城市必要的一步。目标检测是计算机视觉领域的基础任务之一,随着深度学习的迅猛发展,基于深度学习的目标检测算法成为该方向的研究热点。因此本文研究了执法记录仪场景下基于深度学习的目标检测算法。现有的基于深度学习的目标检测算法可分为一阶段和两阶段两类,在检测速度和精度上各有优势。Zhang等人提出的名为Refine Det的两步级联回归算法在一阶段算法单映射多框检测器(Single Shot Multi Box Detector,SSD)基础上结合了两阶段算法的优点,在公共数据集上有很好的表现,因此本文将在该算法基础上做进一步的研究。为方便研究,本文以执法记录仪拍摄视频中的人为检测目标,自建了执法记录仪监控场景下的目标检测数据集。该数据集由包含10671张图片的训练集和包含2633张图片的测试集组成,可帮助验证本文研究的实际效果。拍摄器材、方式以及场景的特殊性导致该数据集难度较高。多尺度特征融合是目标检测算法常用的一种结构,它可以通过融合深层特征的语义信息提高浅层特征的表征能力,进而提升算法的检测精度。Refine Det算法使用传输连接模块(Transfer Connection Block,TCB)实现多尺度特征融合,但该模块为整个算法带来很多参数量和检测速度上的负担。本文从优化多尺度特征融合模块的角度出发,结合通道注意力机制、深度可分离卷积和Res Net中的残差模块设计了三种不同的多尺度特征融合模块,并将其应用于Refine Det算法结构,在自建数据集上进行对比实验。实验结果表明这三种模块都提升了算法性能,可以在有效减少模型大小、提升检测速度的同时又增加一定的检测精度。锚点框是指以预测特征图的每个像素点为中心生成的一系列不同大小和高宽比的候选框,相当于预测框的初始值。好的锚点框选取策略可以加快算法的收敛速度。Refine Det算法的锚点框最初是针对人脸检测设置的,不完全适用于所有场景和目标。为了使算法更好的适应本文的研究场景和检测目标,本文用K均值聚类算法分析自建执法记录仪数据集的训练集中待检测目标框的大小,制定新的锚点框选取策略,并在自建数据集上进行实验,实验结果表明该策略可帮助模型加速完成收敛,并将检测精度提升0.14%。