随着科学技术与经济的发展,我国高速公路网不断完善,为人民的生活出行带来了极大的便利。高速公路作为我国现代化建设的基础设施,对其进行有效的运营管理可以保证高速公路的行车安全,充分利用高速公路设施资源。目前利用人工智能技术实现智能交通是高速公路运营管理的一项研究热点。与传统的管理手段相比,基于深度学习的管理方法可以获得更高的准确率、更高的实时性和更智能的自动化分析。车辆作为高速公路运行管理的重点关注对象,对其进行准确的检测和跟踪具有重要意义。因此,本文研究并实现了一个基于深度学习的高速公路车辆检测与跟踪系统。本文主要的工作如下:一、构建了包含高速公路主干线、收费站、隧道等监控场景的高速公路车辆检测数据集,共31900张图片。在该私有数据集上,本文分别训练了基于深度学习的R-FCN和SSD目标算法的车辆检测器,并且在训练中对比了不同深度的ResNet50和ResNet101的特征提取网络对检测效果的影响。最后本文通过对比实验确定采用基于ResNet101的R-FCN检测器实现本文高速公路车辆检测任务。二、构建了高速公路主干线的车辆跟踪数据集,数据集包含9个图像序列,共有图片13500张。参考多目标跟踪Deep SORT算法、单目标跟踪SiameseFC算法和人脸检测MTCNN算法,本文提出了一种适用于高速公路应用场景的多目标跟踪算法,实现了本文对高速公路车辆的跟踪任务。三、基于上述的车辆检测和车辆追踪任务的研究,本文搭建了高速公路车辆检测与跟踪的实时系统,并在车辆检测和跟踪的基础上实现了公路车流量的统计。整个系统包括远程服务模块、后台处理模块和前端显示模块,可以同时对4路高速公路监控进行实时的车辆检测与跟踪。系统将业务处理和数据展示进行了逻辑分离,在前端页面中可视化的展示了车辆检测和跟踪的效果,以及公路车流量的信息。