本发明提供了一种基于主动学习的目标检测模型训练方法，包括：由专家标定输入数据集向模型训练数据集输入标记有专家标签的样本图像，和/或由无标定输入数据集向模型训练数据集输入无目标对象框选的样本图像；当模型训练数据集的样本图像数量值小于或等于数据上限值时，继续训练初始模型，当样本图像数量值大于数据上限值时，选取筛除图像后训练初始模型，在筛除图像中选取无专家标签的输入待标定困难样本数据集；对其中的筛除图像进行目标对象框选筛查及专家标签标记后输入专家标定输入数据集，重复上述方案，生成目标检测模型。本发明解决了现有技术中的为了提升目标检测模型泛化能力而导致训练数据集的数据量累积造成模型训练效率低下的问题。