智慧城市是把新一代信息技术充分运用在城市中各行各业,基于知识社会的的城市信息化高级形态,实现信息化、工业化与城镇化深度融合。而智能交通是智慧城市中很重要的一个应用场景。智能交通系统是改善交通运输问题的一种先进设施,车辆作为交通运输的主体,智能驾驶便是智能交通系统研究的重要环节。现阶段,与车辆全自动的无人驾驶还有一定距离,但很多车辆已经开始配备智能辅助驾驶系统,而车辆检测技术是智能辅助驾驶系统的重要组成部分。相比于日间车辆检测,夜间车辆检测具有视野亮度低、背景与检测物的对比度低等问题,不容易检测到车辆,导致夜间车辆检测更具有挑战性。而且,实际的交通环境复杂多变,夜间也是交通事故多发时段。夜间车辆检测对于智能辅助驾驶系统是至关重要的。近几年来,深度网络的迅速发展,很多研究表明深度网络在目标检测领域也能取得较好的效果。但是,一些适用于日间检测的深度网络,在夜间车辆检测并不能实现良好的性能。同时,注意到对于夜间车辆行驶,车灯是必不可少的部分,因此决定使用车灯信息辅助车辆检测。本文提出了一种具有良好泛化能力的车灯信息辅助车辆检测的深度网络结构,用于夜间车辆检测任务。主要框架分成两条支流,一条名为目标流,一条名为像素流。在目标流中,为了提高先验的准确率,提出一种新的基于注意力机制的网络结构——方向注意力池化层。在方向注意力池化层中,从主干网络提取的特征图分为两条支路,一条通过单位循环卷积层学习方向感知特征,另一条支路学习注意力权重。然后,注意力权重与单位循环卷积层的结果相乘得到方向注意力感知特征。在像素流中,为了提高检验准确率,提出一种基于贝叶斯的角点定位算法。它利用了车灯像素点,并且将角点的位置视为离散随机变量。将检测任务转化为已知物体掩码,求所有物体角点的概率分布,概率最大值视为角点。实验证明本文提出的算法能在夜间车辆检测任务体现出良好的性能,同时,在不同数据集上均能取得良好性能表明它具有泛化能力。