在有雾场景中实现对目标精确检测, 是视频监控、智慧城市、无人驾驶等多个实际应用中一个重要的研究内容. 为促进真实有雾场景下的目标检测研究, 探讨了 2个问题: 有雾场景目标检测数据集的构建以及真实有雾场景下目标检测的解决方案. 首先, 设计了一种系统化的、具有真实感的有雾图像合成方法, 并建立了合成有雾场景的目标检测数据集. 同时, 探讨了对真实有雾场景下目标检测器具有提升性能作用的数据集处理方法. 其次, 探讨了先验知识和模型的联合优化对真实有雾场景的目标检测性能的有效性, 并提出了 2 个框架: 基于知识引导的目标检测框架和基于图像去雾和目标检测的联合学习框架. 基于知识引导的目标检测框架将统计先验知识用于指导通用目标检测网络学习有雾场景下的目标特征, 使通用目标检测器能更好地适应特殊的目标检测场景. 基于图像去雾和目标检测的联合学习框架通过去雾模型和目标检测模型的联合优化学习, 有效学习图像去雾中恢复的结构细节和颜色特征,从而提高真实有雾场景下的目标检测精度. 在RTTS 数据集上的实验结果表明, 基于知识引导的目标检测框架和基于图像去雾和目标检测的联合学习框架能够有地提高有雾场景下目标检测器的性能, 均值平均精度（mAP）分别为70.5%和 66.6%.
