随着中国经济的不断发展,中国的汽车持有量呈爆炸性增长,汽车数量的不断增长给城市交通带来了巨大的压力,而城市智能交通系统的出现能一定程度上减轻城市的交通压力。智能交通系统通过集成不同领域中多项高端技术来建立一个高效、精准、智能化的地面交通系统。而监控视频车型识别系统是智能交通系统的重要组成部分,也是智能交通系统的基础数据来源。本文主要实现了基于卷积神经网络的高速公路监控视频车型识别系统。通过大量实验对比,选取较优的卷积神经网络模型——残差网络模型(ResNet)来实现车辆图像识别。首先对监控视频背景图像进行提取,利用背景差分来实现运动物体检测,同时实现对视频车辆的跟踪。最后利用训练好的残差网络模型对车辆图像进行分类识别。同时,本文搭建了分布式系统Celery,利用分布式系统来分担大量计算任务,通过多线程并行、并发来实现路网中不同路段监控视频的实时、同时车型识别任务,以实现对整个路网的监控视频车型识别,并将识别结果保存于数据库中。最后本文对存储于数据库中的车型信息数据进行统计分析,并以图表的形式进行呈现。主要包括路网中不同路段的车型数据信息、不同时间段的车辆数量变化信息,这些统计信息有助于帮助用户及时掌握路况信息及车辆数量变化信息。