魏子洋， 赵志宏， 赵敬娇

1.石家庄铁道大学信息科学与技术学院，石家庄050043 2.石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室，石家庄050043

随着智慧城市的兴起和计算机技术的发展，城市交通规划由传统的人工管理逐步向智能交通过渡.智能交通作为未来新型交通的发展方向，其核心任务之一就是对车辆进行管理，而车辆检测与识别是获取车辆信息并进行车辆管理的关键步骤.

传统的车辆检测方法主要通过知识和模型来刻画运动目标.其中，基于知识的方法是利用车辆的特征信息包括车辆轮廓[1]、车辆的对称性[2]、边缘纹理[3]和背景信息[4]等来检测车辆.单一特征进行车辆检测具有较强的局限性，因此常选择多个特征进行特征融合[5]，从而提高检测精度.基于模型的方法则通过建立车辆模板[6]与待检测图像进行匹配，与特征模板相似的区域即被认定为检测结果.基于知识的方法与基于模型的方法也常常被结合起来使用[7]，首先利用特征信息找到车辆的大致位置，再利用模型匹配进行精确定位，检测结果较两者单独使用都有提升.但是传统的检测方法具有明显的缺点和依赖性，基于知识的方法过度依赖设计的特征，且一种或几种特征也很难适应所有检测环境.当选择的特征不具通用性时会带来比较大的误差；基于模型的方法则过度依赖所建立的模型，由于车辆的多样性和拍摄角度的……