为了解决视频图像中目标检测准确率低、速度慢等问题, 本文提出了一种基于YOLOV3改进的目标检测方法。通过引入GIOU Loss, 可解决原IOU无法直接优化的非重叠部分问题, 在借鉴了密集连接网络的思想之后, 将YOLOV3中的3个残差块更换为3个密集块, 并结合Max Pooling加强密集连接块之间的特征传递, 重新替换IOU和原网络的连接结构, 检测设计出新的网络结构后, 减少了参数量, 增强了特征的复用与融合, 最终实现了优于原方法的效果。实验结果表明: 改进的GDT-YOLOV3算法与原有的算法相比, 无论是在简单还是复杂交通场景中都有较优秀的检测效果, 本文所提出的算法平均检出准确率高达92.77% , 速度达到25.3 f/s, 基本满足了实时性。此外在检测精度上, 改进的GDT-YOLOV3算法要优于SSD512、YOLOV2与YOLOV3算法。