针对目前车辆实时检测中存在定位不准确、检测精度低等问题，采用了一种以Darknet-53为骨架网络的YOLOv3车辆检测算法，将该算法模型在标准数据集Pascal-VOC2012上进行训练，以拍摄的西安南二环路的图片作为测试集进行测试。实验结果表明，YOLOv3算法的检测精度达到84.9%，相比于SSD算法，其检测精度提高了11.3%，检测速度提高了3.8 f/s。因此YOLOv3算法检测精度更好，检测速度更快，能准确地检测出图像九游体育官方网站中的车辆信息，满足车辆实时检测的要求。

　　引用格式： 苏欣欣，郭元术，李妮妮. 基于深度学习的车辆检测算法研究[J].信息技术与网络安全，2021，40(6)：28-32.

　　由于汽车保有量的快速增多和城市交通管理系统的尚未完善，一系列的交通道路问题不断产生。针对诸多的交通拥堵和交通事故频发等问题，智能交通系统的理念被提九游体育官方网站出。车辆目标检测技术作为智能交通系统最关键的环节，如何在实际道路的复杂背景下，采集全面有效的信息并进一步快速、准确地对目标车辆进行定位和识别，是一个有高度研究价值的课题。

　　目前，车辆检测算法主要分为两类：传统的车辆检测算法和基于深度学习的车辆检测算法[1]。前者常用的方法有方向梯度直方图[2]、尺度不变特征变换[2]、局部二值模式[2]等。张涛等[3]在Haar车辆检测算法基础上做一定的算法优化，即通过对滑动尺寸的合理设定以及对检测区域的合理划分，显著地提高了车辆检测算法的运行速度和系统的实时性。张小琴等[4]针对目前车辆品牌分类存在识别率低和检测速度慢等问题，提出了方向梯度直方图(Histogram of Oriented Gradient，HOG)和支持向量机(Support Vector Machine，SVM)相结合的方法，对车辆进行分类识别。