本发明公开了一种长时跨场景优化的交通物体检测方法、系统及介质，其中方法包括以下步骤：获取训练集，根据训练集对网络模型进行训练，获得物体检测模型；获取图像数据，采用物体检测模型对图像数据进行检测，获得带有物体边框的图像作为检测结果；采用整图特征跨场景配准优化方法对物体检测模型进行在线优化，更新物体检测模型的网络参数，以使物体检测模型适应于不同的场景。本发明通过更新服务端的网络参数方法来提升环境变化带来的交通场景识别不准的问题，代替需要海量的带标签的多场景数据去训练一个自带泛化性能的物体检测器，从而提高训练效率，减少人工标注的代价以及上线前训练的损耗代价，可广泛应用于交通场景下物体检测领域。