将事件相机与传统相机结合进行车辆目标检测,既能解决传统相机在高动态范围下的过度曝光与曝光不足、运动模糊等问题,又能解决事件相机由于纹理信息缺失导致的检测精度不高的问题。现有融合算法往往存在计算复杂度高、特征信息丢失以及融合效果不佳等问题。为此,提出一种有效融合事件相机和传统相机的车辆目标检测算法。首先,提出一种基于事件计数(EF)和时间面(TS)的时空事件表示,将事件数据编码成事件帧;然后,提出一种基于通道和空间注意力机制的特征级融合模块(FCSA),对图像帧和事件帧进行特征级融合;最后,利用差分进化搜索算法优化先验框,以进一步提高车辆检测性能。此外,由于包含图像帧和事件数据的公开数据集较为缺乏,建立了一个车辆检测数据集MVSEC-CAR。实验结果表明,在公开数据集PKU-DDD17-CAR上,所提算法的平均精度均值(mAP)比次优的ADF(Attention fusion Detection Framework)提高了2.6个百分点,且获得了较高的帧率,有效提升了车辆目标检测的准确性和对光照的鲁棒性,验证了所提出的事件表示、特征融合和先验框优化算法的有效性。