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。
