车辆检测一直是图像识别领域需要研究的一个任务。最近，深度学习一些网络的提出， 让对象检测问题有了长足的发展。这些网络对于车辆检测问题也可以很好的处理。

深度学习最早的要追溯到 1989 年[1]，流行起来是在 2006 年，加拿大多伦多大学的教授 和他的同事们，他们提出了一种深度神经网络的模型[2]。这个模型是有着生物学上的假设。他 们指出深度学习网络具有非常好的学习能力，理论上讲深度学习网络可以毕竟任何的非线性 函数；并且，网络的学习过程可以通过无监督的学习方式，逐层初始化来降低训练复杂度。 到 2012 年 10 月，Hinton 教授和他的学生以解答别人在深度学习网络上的疑问为目的，设计 了深度卷积神经网络模型[3]。他们还使用这个卷积神经网络模型在 ImageNet 数据库[3]上进行 了实验，取得了最好成绩。77316

在图像识别领域，车辆检测问题一直没有取得本质上的突破论文网，但是 2012 年的卷积神经网 络的提出大大推动了该领域的发展。深度卷积网络没有人为的设定一些图像特征，如尺度不 变特征变换[4] (Scale-invariant Feature Transform, SIFT) 和方向梯度直方图[5] (Histogram of Oriented Gradient, HOG) 等，但是图像经过一个网络实际上是得到了更好的特征表达，这个特 征反映了更加丰富的原始数据的信息。

在智能视频和自主车驾驶等领域，车辆检测问题的处理有着很大意义。现在国内外都有 学者在利用深度学习的方法进行车辆的检测研究，相信不久车辆检测问题会被更好的解决