摘要：針對工廠廠房和倉庫無人門禁系統(tǒng)需對貨運車輛單獨檢測與識別的特殊需求,提出一種融合Darknet19網絡與SSD（Single Shot-multibox Detector）模型的車輛檢測與識別模型。首先,采集真實場景中包括行人、叉車、貨車的大量圖片并進行人工標注,構建一個私有數據集;其次,在Caffe框架下使用ImageNet2012數據集重新訓練Darknet19網絡,并通過更換基礎分類網絡及在每個卷積層后加入批歸一化（Batch Normalization）層等方式改進SSD目標檢測模型,構建出一個新的端到端的車輛檢測模型。結果表明,該模型對貨運車輛的平均查準率可達99.2%,檢測幀率可達72幀/s,準確率與實時性均滿足廠區(qū)環(huán)境檢測貨運車輛的要求。