随着国家经济的飞速发展和人民生活水平的不断提高,机动车数量急剧增长。交通拥堵和停车难问题已成为大中城市亟待解决的重大社会问题,道路交通事故和道路交通违章事件频发,道路交通管理、机动车管理和驾驶员管理都面临严峻挑战。人工智能技术不断实现技术突破,深度学习成为当下研究和应用的热点技术,围绕基于深度学习的车辆检测方法开展应用研究,具有较大的学术研究意义和工程应用价值。不论是机动车违章行为事件的确认与处罚,还是机动车进出园区的闸门放行与停车收费管理,都需要对机动车辆行为状态进行智能化监测,智能化监测的关键核心任务是机动车辆的检测与识别、车牌的准确识别。本文围绕机动车辆行为状态智能监测方法,在了解国内外研究现状与发展动态、学习神经网络的基础知识与深度学习的常用网络结构基础上,开展了一系列基于深度学习方法的研究工作。首先,提出了基于卷积神经网络和循环神经网络的车辆检测算法。利用残差连接改进ResNet-50网络,采用KITTI数据集对算法模型进行训练和评估。第二,提出了基于卷积神经网络、循环神经网络和联接主义时间分类算法的不定长车牌文字识别算法。利用自己设计的车牌生成器生成数据集,对车牌识别算法进行训练和测试。第三,基于车辆检测算法、车牌识别算法和多标签分类器,以机动车辆行为状态智能监测方法为主线,规划了七个行业应用系统,设计了应用系统的五层核心共性架构。第四,从实际应用角度探究分析了机动车辆行为状态监测方法的几个典型应用案例。