针对现有目标深度神经网络检测准确度低和实时性差的问题,提出一种面向无人机(UAV)飞控平台的实时道路目标深度神经网络检测方法。该方法结合了YOLOv2和YOLOv3网络的优点,针对YOLOv2检测准确度低、小目标难以检测和YOLOv3实时性差的现状,建立了将残差块引入Darknet-19网络同时采用多尺度特征进行目标检测的道路目标检测模型。提出采用回归(logistic)分类器进行目标类别的预测,以实现对重叠图像的多标签分类。实验结果表明,该方法对UAV飞控平台上分辨率为416 pixel×416 pixel视频图像的检测帧率在20 frames/s以上,平均准确度(mAP)达到82.29%,召回率达到86.7%,基本满足UAV飞控平台道路目标检测对准确性和实时性的要求。