胡昌冉，樊彦国，禹定峰

(1.中国石油大学(华东)海洋与空间信息学院，山东 青岛 266580;2.齐鲁工业大学(山东省科学院)海洋仪器仪表研究所，山东 青岛 266061)

0 引 言

随着我国经济的快速发展，车辆的持有数量逐年递增，对于道路交通的压力逐年加剧，从而导致车辆拥堵以及交通事故等的频繁发生，在这种情况下，催生出了智能交通系统。智能交通系统是一个全面、高效、实时的综合交通运输管理系统，其作为未来交通系统的重要发展方向可以在许多方面发挥作用，是一项多学科技术的集成应用。车辆检测对于智能交通系统来说至关重要，通过提取车辆的特征点以及特征区域，来预测车辆行驶的速度等信息，同时结合车牌识别算法为交管部门在分析车辆违规行为方面提供重要依据[1]。

随着深度学习的不断发展和创新，对于车辆检测的研究取得了重要进展[2]，且随着深度学习在图像分类与识别领域的快速发展，使用卷积神经网络(CNN)来进行目标检测已经成了研究热点[3-4]，现有的基于卷积神经网络的车辆检测算法大部分已经可以满足多种复杂场景下的车辆检测要求。深度学习卷积神经网络的结构是由Krizhevsky等人[5]在2012年提出的，也称为AlexNet网络。R-CNN[6]通过Selective Search方法[7]来对目标图像提取感兴趣的候选区域，相比较传统的机器学习方法检测效能有了大幅度提升，但是R-CNN输入尺度单一，同时训练过程较复杂，所以大大影响了检测速度。SPP-Net通过金字塔池化层[8]，实现了多尺度预测，同时也减少了重复计算，从而大大提高了算法的速度和性能。……