现今车辆日益增多，交通状况日益复杂，单纯地车牌检测已经被不法分子用套牌等方式削弱了作用，于是车辆的车标、颜色、车型等难以改变的外部特征作为候选的多重判别手段的意义就显得越来越大。考虑到车标识别还可以作为车型识别的判断条件之一，那么车标特征相对于其他特征就具有了更大的研究价值。不仅如此，车标图案中还包含了汽车制造商的一些厂家信息，而且绝大部分车辆上的车标都难以被拆卸或者更换。如果能将车标信息与车牌等其他车辆信息有效地结合在一起，就能够极大的提高车辆识别的准确率和稽查判别的可靠性。
　　本文针对交通部门卡口监控的图片，提出了一整套车标检测的方案，包括车标定位和车标识别两大部分。车标检测作为车辆跟踪中的一个重要特征，应用在车辆追踪系统的卡口跟踪模块，与车辆的车牌、车型、颜色一起作为嫌疑车辆的筛查选项。
　　本文根据交通部门项目需求，针对卡口监控中的图像建立车标信息提取系统，该工作主要涉及卡口图像数据采集、车标检测功能模块、分类模型管理、检测数据管理这四个方面，其中的车标检测部分为主要研究内容。车标检测分为车标定位和车标识别两个部分。在车标定位部分，取用基于车牌定位的方式进行车标定位，分为图像预处理、车牌定位、车标粗定位、车标精定位这几个步骤，在车牌定位中使用了彩色边缘检测加形态学滤波和SVM分类器的方法来提取车牌候选区域，车标粗定位中采取垂直和水平投影来定位车灯带，车标精定位中使用背景消除和自适应形态学滤波来完成最终的精确定位。在车标识别部分，选用卷积神经网络作为分类模型，经大量样本训练和参数调整，完成高识别率检测系统。
　　本文的创新点有：
　　1、在车牌定位中提出了使用彩色边缘检测加形态学滤波和SVM分类器提取车牌候选区域的方法，并辅以候选区面积、灰度跳变次数、矩形框主颜色等多个方面的判定和筛选，以达到最好的定位效果。
　　2、在车标定位方面提出了背景纹理消除加自适应性形态学滤波的方法进行车标精定位，根据车标区域不同的背景纹理特点使用了改进的4向Sobel边缘检测算子进行背景纹理消除，同时将形态学滤波改进为自适应性形态学滤波，减小光照影响，消除噪点，之后又使用轮廓连通方法来消除车标图像的纹理丢失。
　　3、在车标识别方面提出了基于改进的Inception结构的卷积神经网络模型LogoNet，并将卷积核结构进行合理地调整，将5×5的卷积核替换为串联的两个3×3卷积核以提高运算速度。在不影响计算精度的情况下降低了参数量，并将激活函数由Sigmoid函数替换为了ReLU激活函数，使网络能在反向传播时避免可能出现的梯度消失的问题，加快收敛速度，使之更加贴合卡口监控实时检测的需要，相比于之前使用人工提取特征和训练分类器的方式，大大节省了人力成本，提高了识别精度，在削弱计算时间、减小光照影响等方面取得了可观的效果。
　　本文提出的车标检测方法应用于四川省公安厅的科研项目中，对该市的数百个卡口监控进行图像采集和处理，以总体检测率90.53%，单张图片计算耗时0.33秒的检测效果顺利完成项目目标。