高级驾驶员辅助系统(Advanced Driver Assistance Systems,ADAS)可以对驾驶员发出预警,避免交通事故,因此在保障行驶安全中发挥着重要作用,系统中对目标识别的准确性与实时性是目前研究的难点。在众多目标检测算法中,SSD(Single Shot Multi Box Detector)算法较为成熟,具有较好的目标检测精度和速度,但其对小目标检测能力较弱,在目标互相遮挡时会发生漏检和定位不准的问题,因此,本文针对SSD算法提出改进措施,实现对前方车辆的快速精确检测。首先,通过对目标检测方法的理论和实践研究,选用双目视觉传感器实现对移动目标的检测,对连续帧视频图像进行处理,通过双目视觉左右图像的视差对目标的距离进行估计,并对SSD目标检测算法的网络结构进行改进,提取Conv3-3层作为小目标预测层,实现对小目标的特征提取,增强网络对小目标的检测能力。其次,制作目标检测数据集,对数据集中目标的真实框进行K-means聚类,优化候选框个数与比例,缩短模型的训练时间,提高模型检测精度。然后,对原有损失函数进行优化,使预测框远离相邻目标真实框,避免预测框互相影响而产生的定位偏移,减少由于非极大值抑制筛掉重叠边框而产生的漏检问题。最后,将目标检测结果与测距结果做数据融合,实现对小目标及遮挡目标的识别与测距。搭建测试算法的实验环境,验证算法的有效性。