面对着日益复杂的交通问题,智能交通系统受到了越来越多的关注。其中,车型识别是智能交通系统研究中的一个重要问题。目前,随着图像处理、模式识别以及计算机视觉等技术的不断发展,基于深度学习的图像识别技术逐渐成熟,为解决车型识别问题提供了新思路。深度学习方法可以自主地学习事物的特征,避免人工设计特征。所以,将其用在车型识别领域具有广阔的应用前景。本文以河北省科学院科技计划项目“基于深度学习的车型识别系统”为依托,对车型识别展开研究,主要研究了基于深度学习的车型识别技术。首先,文中总结了深度学习中的卷积神经网络的结构特点以及训练方法。根据项目需求,本文提出了一种基于深度学习的车型识别系统的模型,并详细阐述了车型识别模块。其次,针对当前缺少公共的车辆数据库的问题,本文通过定位、归纳和标注方法建立了车辆数据库,用于后面的模型训练和测试。然后,将数据用于网络模型训练,不断地调整、优化网络结构,形成了基于深度卷积神经网络的车型精细识别的网络模型。最后,利用Caffe深度学习框架和装有高性能计算卡的GPU工作站,对车辆图片进行网络训练和测试。在含有164类的车辆数据库上,取得了97%的准确率,实验结果表明将深度学习的方法应用到车型精细识别问题上有很好的优势。