随着我国经济的快速发展,人民对于出行的要求不断提高,导致了各种车辆数量的快速增加。然而车辆数量的增长不仅给我国公路交通带来了巨大的压力,也带来了对于公路管理难度的提升。目前对于公路路况采用的最为广泛且实用的信息收集方法是通过视频监控进行车辆信息的收集,一个高质量的公路管理系统不仅可以有效地采集到交通数据,记录车辆的信息,还可以监测公路的交通状况,便于管理人员对交通进行及时的管制。因此设计公路管理系统的重点在于结合公路监控和车辆识别功能,监测过往车辆的同时以视频的形式进行保存,在需要的时候准确地从交通视频中识别出车辆的基本信息。然而,在国内现有的公路管理系统中,主要使用的是单一的视频监控系统,视频监控过程和车辆识别过程是分离的。基于此,本课题设计并实现了基于深度学习的交通视频车辆识别系统。该系统集成监控管理、车牌信息识别两个功能,实现交通路况监测和车辆信息采集的同步化。实验表明,本系统车辆信息识别准确性达到85%以上。本课题的主要工作总结如下:1)首先,基于FFmpeg技术,设计并实现了集成视频监控与车辆识别过程的交通视频车辆识别系统。该系统由监控管理子系统和车牌识别子系统两部分组成,分别用于实现系统的监控管理与车牌识别功能。两个子系统即可独立工作也可实现紧密交互;2)其次,设计并实现了基于深度学习算法的车牌信息识别方法。该方法结合图像处理技术,包括基于SVM算法的车牌判断过程与基于ANN算法的字符识别过程,实现对车牌具体内容的输出。通过对系统的功能测试与性能测试结果,表明了基于深度学习的交通视频车辆识别系统不仅可以及时采集IP摄像头等多媒体设备的视频流,实现视频的采集、录制及存储,还可对车辆车牌信息进行较为准确的识别,实现了监控与车牌信息识别两个过程的集成。