现今卷积神经网络在目标检测领域取得了巨大的成功,但其实现的环境大部分是在GPU-CPU的计算机架构上,其中,GPU功耗过大不适合嵌入式设备,而CPU无法进行大规模并行计算。由于FPGA具有低功耗、可重构的特点,可以解决以上问题。因此基于FPGA-CPU架构设计一个目标检测系统具有重要意义。本文基于Xilinx公司的Zedboard开发板设计了一种目标检测系统,该系统基于FPGA-CPU架构,两部分可通过AXI总线进行通信。由于CPU适合处理计算量较小的任务,主要负责图像预处理与图像后处理;而FPGA擅长处理高度并行的、计算量较大的任务,因此,本文主要利用其并行性,使用基于HLS的优化方法对Tiny-YOLOv2目标检测算法的卷积层、池化层进行加速优化,设计多个并行的乘法器与加法器;由于FPGA不擅长处理浮点数据,使用16位定点数据代替浮点数据;为了提高检测速度将BN操作提前至初始化模块。硬件图像处理通路的搭建主要利用基于AXI总线的流处理方式,以节省FPGA的片上资源Block RAM,将OV7670捕捉的画面数据传输到PS端中的DDR中存储,经过算法识别之后由VGA输出到屏幕上。实验结果表明,系统基本实现了预期功能:摄像头采集画面经由FPGA粗粒度的提取处理之后,检测相应目标,并由VGA输出显示到显示屏上。本设计使用的FPGA-CPU异构架构比单CPU架构在时延方面有80多倍的提升;FPGA虽然算力不如GPU,但能效比要好于FPGA,很适合部署在特定功耗的嵌入式领域。除此之外,本文虽然采取了量化处理,依旧可以输出与原算法检测框相近的位置坐标,可以投入到工程实践中。