随着社会的发展,路上的车辆越来越多,也导致了越来越多的拥堵问题。救护车是挽救患者生命的重要资源,却时常因为道路交通的拥堵导致救援时机的耽误,从而导致人民生命财产的损失。近年来,深度学习在图像识别方面得到了广泛的应用,也为道路交通的识别提供了新的技术。因此,针对以上问题可以使用深度学习的方法在主要路段实现对救护车辆的识别。当救护车被拥堵在道路中间不能移动时,通过摄像头捕捉画面,能及时识别并上传到智能交通系统中,使得交警部门可以安排一条合理路线,保证救援的及时。本文以监控视频中截取的救护车辆图片为基础素材,对基于特征提取及分类器训练的车型识别方法进行了探讨研究。主要从两个方面着手。第一,对于传统特征的救护车辆识别方法进行探究,我们使用方向梯度直方图作为救护车辆识别的特征。在此基础上运用支持向量机的分类算法,来完成对救护车辆识别的任务。第二,对于深度学习的救护车辆的识别工作,首先研究了深度学习中CNN网络模型的结构与训练方法以及车辆检测算法等相关理论。深度学习下的网络识别模型很多,这里我们选择比较常用高效的两个Alex Net与VGGNet来作为本文的救护车识别模型。本文的内容主要分为五个部分。首先是介绍文章的研究背景与研究意义,强调开发救护车辆识别系统的重要作用。紧接着探究与总结了当下车辆检测的相关技术,我们将其分为物理层级,浅层学习阶段和深度学习三个阶段,并对每个阶段的代表性技术进行归纳介绍。然后是对与本文相关的理论知识的介绍,包括HOG特征、SVM分类器、深度学习以及Tensor Flow框架。接着提出救护车辆识别的两个模型、Faster R-CNN车辆目标检测算法。新建救护车辆数据库。通过对传统模型以及深度学习模型的训练,我们将待检测的图片输入到识别系统中,得出识别结果。本文为了测试基于深度学习下的识别与传统模式下识别效果的好坏,通过实验对比的方法,计算救护车辆在HOG+SVM模式和在Alex Net、VGGNet模式下识别的准确率,得出基于深度学习下的救护车辆识别效果更好。因此我们使用深度学习模型来实现对救护车辆的识别。将识别结果上传到智能交通管理系统中,完成与交警部门的联动。