随着国内经济的高速发展,国内的汽车数量正在急剧增长,由此带来了一系列交通方面的问题。针对这些问题,国内的各个城市都在加快发展智能化交通系统。而车辆信息的检测属于智能交通系统当中非常关键的一部分,对于国内城市智能交通系统的发展具有重要的意义。传统的车辆检测算法的效果往往达不到理想的效果,例如基于特征信息的车辆检测算法对于环境复杂和实时性要求高的情况检测效果不尽人意。基于运行信息的车辆检测算法面对视频中静止不动的车辆就会束手无策,无法将其检测出来。目前,深度学习技术在目标检测领域的应用有效改善了传统算法存在的问题。本文将SSD（Single Shot MultiBox Detector）目标检测算法应用到监控视频目标检测领域,主要完成了以下工作:（1）构建一个关于车辆信息检测的深度学习数据集,使用的图片来源于某公安交通局,我们从提供的大约十万张图片中挑选了约一万张有代表性的图片作为本文的数据集。由于使用的数据集不是公开的,所以要自己做样本标签,本文使用github上的开源工具LableImg来做样本标签。最后,使用数据集中的7000张图片作为训练集,3000张图片作为测试集。（2）本文将SSD目标检测算法应用到视频监控系统中,该算法通过在不同的特征图画box来预测检测目标的。由于不同特征层的特征点具有不同的感受野,层数越高特征点的感受野就越大。低层特征图用于检测小目标,由于低层特征图对特征提取的不充分,导致算法对小目标的检测不准确。本文对SSD目标检测算法进行了改进,在网络中加入反卷积模块来提高对小目标的检测精度。（3）在改进的算法基础上,本文设计了一款智能监控系统车辆信息检测软件,这将有助于算法的应用。本文的系统界面提供了四个功能,包括系统基本信息显示、图像检测功能、实时监控和历史记录回放功能。