随着当今信息化的高速发展,传统的交通技术和手段已不适应社会发展的要求,智能交通系统也得到了越来越多的重视。作为智能交通系统中的“情报员”,车辆检测系统由于拥有可实时监测交通情况、获取车辆信息的特点,在交通监控、车辆管理、电子收费系统等场景下得到了广泛应用。本文重点研究了智能交通系统中高效的车辆检测方法和软件应用系统,本文主要的研究工作和相应成果如下。(1)针对训练车辆检测网络模型所需图像数据不充足的问题,研究了对车辆图像的多种数据扩充方法。首先,利用生成对抗网络在无监督学习方面的优势,对自搜集的车辆图像进行处理,生成大量经过变换的车辆图像;其次,利用在线受遮挡车辆图像扩充技术对车辆图像进行在线扩充,通过对输入图像进行自适应遮挡,生成受遮挡车辆图像;最后,将不同方法得到的车辆扩充图像与KITTI数据集和国内公开数据集中部分车辆图像结合,共同形成本文自建数据集。(2)针对传统车辆检测方法中对小尺寸车辆检测精度低、受遮挡车辆漏检以及背景区域误检等问题,提出了一种基于注意力机制的多尺度并行抗遮挡车辆检测方法。首先,利用多尺度特征提取的方式得到不同尺度的区域候选框;其次,将不同尺度的特征信息进行融合;然后,将融合之后的特征信息输入到目标检测模块,进行目标分类和精确的边框回归;最后,通过加入由在线受遮挡车辆图像扩充网络组成的遮挡模块,提高整体网络对受遮挡车辆的检测性能。通过大量的数据测试发现,本文所提车辆检测方法优于其它对比方法。(3)针对智能交通系统对车辆检测算法工程化的需求,开展了车辆自动检测识别软件系统的设计与实现。通过将本文提出的算法进行封装和模块分离,将预留的API接口嵌入编写软件界面中,最终形成的软件系统可以实现对目标车辆图像的高精度实时检测和车辆目标的参数信息输出。