本发明公开了一种基于MSA‑Yolov5的恶劣天气下车辆检测方法及装置，首先，将DAWN数据集划分为训练集与测试集，并进行预处理；其次，构建MSA‑Yolov5模型，包括Backbone模块、Neck模块以及Prediction模块；其中Backbone模块为MSA‑ResBlock，包括Focus网络、SCBAM模块和ResBlock模块；首先用SCBAM模块对恶劣天气下，模糊场景中的车辆、行人目标进行特征强化；然后通过多尺度特征融合，使用GIoU算法作为边界框损失函数，使用FocalLoss降低预测框内正负样本的不平衡问题；最后检测出恶劣天气下车辆、行人的位置信息和标签信息，并得出检测的精确度。本发明具有图像校正的计算量减小、检测流程精简、网络的识别精度高的特点，可以对恶劣天气下的车辆、行人进行检测，并且具有检测速度快、模型小、准确率高的优点。