目标检测技术是车生兵教授团队最新的研究方向。

目标检测是指从复杂的图像（视频）背景中定位出目标，并分离背景，对目标进行分类，找到感兴趣的目标，从而更好地完成后续的跟踪、信息处理与响应等任务。目标检测在很多领域都有应用，比如对于脸部、行车、路人等物体的检测，以及一些交叉领域的应用，比如自动驾驶领域交通标志的识别、工程领域里材质表面的缺陷检测，农作物病害检测和医学图像检测等等，所以对目标检测的研究很有实际价值。

目标检测分为：传统检测法和深度学习法。传统的目标检测算法多是人工提取的图像特征，后来深度学习的引入使得卷积网络提取的图像特征更具有代表性，所以目标检测效果获得了巨大提升，但是目标检测仍然面临着诸多困难，如光照变化影响、遮挡、阴影、背景扰动等。同时人们不断追求目标检测算法的精确性、速度与普适性，具体的目标有优良的模板、高效的算法、较好的特征表达等。传统的目标检测算法较为简单、实现起来较为容易，但是精准度不够；深度学习的检测算法难以实现，但是较为准确。由此可以看出目标检测朝着多维度信息融合，基于深度学习的特征表达，多种方法交叉融合的方向前进。

下面是车教授的研究成果展示：实时目标检测技术，每秒120帧，目前最好技术指标。