交通监控视频能够为交通目标检测、交通事件检测及智能交通系统的多种应用提供直观、丰富、可靠的数据源。交通目标图像位置、目标类别、目标属性、交通事件等能够为实时掌握交通状态提供具有较高应用价值的可靠信息,对交通安全及管理具有重要意义。虽然通用目标检测模型能够在一定程度上满足交通场景中目标分析的需要,但检测精度、检测效率等因素对其在交通场景应用具有较大的影响。本文基于通用检测方案,研究交通场景多样化数据集的构建、目标检测优化,在提升目标检测精度和效率的同时,基于目标检测的事件分析方法,构建具有应用价值的事件检测系统。主要研究内容有以下几点:（1）交通场景多样化数据集构建研究。通过采集大量丰富场景的交通监控视频数据,收集全时段、全天候的覆盖高速、隧道及城市道路等多种场景交通目标样本,并针对检测任务需求及应用场景特点构建了多个具有代表型的子数据集。设计了多样化数据集的组织方式、构建技巧与专用标注软件,并针对场景和目标特点进行数据增广。通过大量实验开展对比分析,实现了样本类别的配比优化。基于子数据融合方法,最终构建了包含11类目标,容量高达35万余张图像的交通目标多样化数据集,其可应用于多种交通场景的检测任务。（2）交通场景目标检测精度提升方法研究。为解决通用检测模型在交通场景下检测精度不足问题,以交通场景多样化数据集为基础经过多次参数调优训练得到在交通场景下表现更好的目标检测模型。针对目标类别跳变及漏检问题,在深度网络中加入了多标签约束检测策略,利用目标属性之间的约束关系进行二次检验,提升了检测的精确度。（3）交通场景目标检测效率提升方法研究。海量交通监控视频数据导致实时完成多路检测任务消耗处理资源大、运行时间长。为提升目标检测效率,设计拼图检测网络与批检测网络改进方案,通过提升检测器单位时间内的检测效率,优化了多路监控实时处理能力,使目标检测网络更符合实践与实用需求。（4）交通事件预警系统的搭建。结合目标检测结果,设计系统判断方案,对诸如车辆拥挤、行人闯入、火灾烟雾等危险事件进行预警。通过各类真实交通事件视频的测试,验证了系统的准确性与稳定性,具有较高的工程应用价值。