近年来机动车数量迅速增加,停车需求也随之加大。需要建立更完善的智能停车场提升车辆管理效率。目前停车场通过人工或车牌识别系统完成停车计费和放行控制。收费过程中会存在识别失败、计费出错、收费人员违规操作等现象。车辆经过时没有记录更多车辆信息,无法进行查证。为提高智能停车场管理水平,完善车辆进出数据,需要识别出更多的车辆信息加入数据库中。因此在现有停车管理系统的基础上,在停车场道闸门的侧面安装摄像头,对车辆进行快速检测和识别,保存图像凭证。基于上述背景,对基于视频的车辆检测与属性识别算法展开研究,研究内容如下:第一,设计了一种基于背景差分与光流法结合的运动车辆粗检测算法。用运动目标检测算法快速检测视频中运动现象,得到粗略的车辆前景。针对视频中车辆存在停顿的现象,设计基于背景差分的前景检测算法,对多帧图像计算均值得到背景,与当前图像差分得到前景。然后设计基于光流法的运动检测算法,跟踪前景特征点,用运动距离区分运动和光照现象并控制背景更新。最终该算法达到31.37FPS的实时速度。第二,提出了一种基于缩放因子剪枝的车辆检测算法。视频中存在运动物体时,用卷积车辆检测器准确检测车辆目标。针对卷积网络结构冗余,计算量大的问题,提出基于缩放因子剪枝的车辆检测器。先对网络结构稀疏训练,设置阈值自动化剪枝,然后将剪枝掉偏置转移至下一层。剪枝后车辆检测网络,精度无下降,参数量下降73.44%,达到23.56FPS的速度和99.46的精度。第三,设计了一种基于改进核相关滤波车辆跟踪算法,结合检测和跟踪算法识别出车辆进出方向。针对核相关滤波算法检测尺度单一的缺点,设计金字塔多尺度检测的改进方案。针对速度不稳定的缺点,设计固定窗口稳定速度的优化方案。对于车辆存在运动速度快的现象,利用泰勒展开项提前预测车辆出现的位置。改进后车辆跟踪算法精度提升43.91%,达到28FPS的实时速度。在此基础上对视频中车辆的进出方向进行识别,达到了100%的精度。第四,提出一种基于注意力模型的车辆颜色识别和车型识别算法,Resnet等主流分类网络结构庞大,通过减少其层数、卷积核数量的方法提高网络运行速度。针对网络感兴趣区域为背景而非车身的现象,用注意力模型对网络进行改进。针对车型类别相似的问题,设计了一种对比表示的训练方法。车辆颜色识别和车型识别网络均与Resnet精度相当,但参数量仅为其10.19%,达到了55.68帧每秒的实时速度。第五,设计了基于QT的车辆检测与属性识别系统。使用QT Designer开发系统界面,使用Mysql数据库存储结果数据,结合上述算法对车辆视频进行自动化识别。经测试,系统对计算机资源占用少,对本文视频数据的识别准确率高。本文研究成果具有很好的实时性和较高的应用价值,可用于智能停车场系统,实现自动化车辆检测与识别,减少人工成本,提升管理效率。