随着科技发展和民众财富增加,车辆日益增多的同时也造成了频发的交通事故,给人民生命和财产安全造成了严重危害。因此,开发汽车智能辅助驾驶技术和无人驾驶技术成了重要研究方向,其中基于可见光和红外图像的深度学习目标检测技术研究具有重大价值,由于车辆行人目标的多样化,道路环境的复杂使得车辆和行人检测技术非常具有挑战性。本文对车辆行人目标的检测进行了比较系统的分析和研究,提出了基于红外和可见光图像融合的检测框架,主要工作如下:（1）研究了深度学习的基本要素,对深度学习网络模型涉及到的重要性能指标进行了分析,在数据集上选择FLIR、BDD100K和KAIST多光谱数据集作为原始数据集,并进行分析和整理。（2）本文提出了基于轻量级MobileNetV2网络的图像融合方法,先将MobileNetV2模型中可见光图像细节部分与红外图像细节部分的1、3、10、16和18这五层通过最大值融合成新的细节部分,然后将使用权重相加方法融合的可见光基础部分与融合后的细节部分重建成新图像,最后与其它方法进行主客观比较,并计算融合图像的FMIdct、FMIw、SSIMa和Nabf值,分别为0.436、0.445、0.792、和0.001,均优于其他方法融合的结果。（3）在分析one-stage检测算法基础上,提出了改进YOLOv5多尺度预测网络来检测图像中的目标,使网络获得了更大的尺度预测范围和更高的m AP（m AP@0.5和m AP@0.5:0.95分别高出0.07和0.06）,同时网络模型的精准率、召回率和推理速度比原网络分别优化0.06、0.04和51FPS。（4）对FLIR、BDD100K和KAIST多光谱数据集中的红外、可见光、混合和融合数据集分别进行实验,实验结果表明融合数据集训练生成的模型比混合数据集训练生成模型的精准率、召回率和m AP值高,混合数据集训练生成的模型优于可见光和红外数据集训练生成的模型。本论文先使用轻量级MobileNetV2网络的图像融合方法对红外图像和可见光图像进行融合,然后对融合图像进行车辆和行人信息的检测,预测出融合图像中目标的类别、位置和概率,以此解决复杂情况下的车辆行人的检测问题。