随着现代社会经济发展的加快,智慧城市、智慧交通和智能驾驶成为社会的发展趋势。当前智慧交通与人工智能,互联网,大数据,云计算和下一代通信等新兴技术的深度集成,带来了许多新的机遇与挑战。在当前社会车辆数量不断上升的情况下,对车辆信息的采集与管理成为智慧交通必不可少的一环。当前社会对车辆信息管理大多仅基于车牌,对于套牌、造假车牌等行为无法判断,已经不能满足日益增长的车辆信息管理需求。在当前社会对车辆信息管理的巨大需求下,本文设计了一套基于停车场入口的实时检测车辆信息的系统,检测车辆车标、车型及车牌字符,通过与已建立数据库中车辆各项数据对比,判断各项数据是否完全匹配,当完全匹配时允许通过,当至少有一项数据不匹配则判定为未知车辆,不允许通过。本文系统的车辆信息检测算法基于两种深度学习网络模型,车型与车标检测、车牌定位基于改进的YOLOv4网络,用K-means++算法代替原网络中K-means算法,并且为减少数据量、加快网络速度引入可分离卷积思想改进网络结构;车牌识别使用改进的CNN+GRU+CTC网络进行字符识别,为提高字符识别率改进了损失函数。车型与车标识别网络使用的数据集为作者使用label Img软件制作,图片源于中科大开源车辆数据集与作者为均匀分类自己拍摄的照片,最终制作出包含4种车型与10种车标数量为2814的数据集。车牌识别网络训练使用基于对抗网络生成的车牌数据集,该数据集经过倾斜、模糊、添加污渍等操作,具有较强的鲁棒性。通过测试,本系统相较传统的仅检测车牌单特征的车辆检测系统,在多特征融合的基础上采用深度学习网络的算法。不仅实现了对车辆的车型、车标与车牌三种特征的同时识别,而且具有较高的识别率,因此本系统具有多特征高识别率的特性。