针对现有车型识别算法的耗时长、特征提取复杂、识别率低等问题，引入了基于深度学习的卷积神经网络（convolutionalneuralnetwork，CNN）方法。此方法具有鲁棒性好、泛化能力强、识别度高等优点，因而被广泛使用于图像识别领域。在对公路中的四种主要车型（大巴车、面包车、轿车、卡车）的分类实验中，改进后的卷积神经网络LeNet-5使车型训练、测试结果均达到了98%以上，优于传统的SIFTSVM算法；另外，还研究了改进网络中的Dropout层对车型识别效果的影响。与传统算法相比，经过改进后的卷积神经网络LeNet-5，在减少检测时间和提高识别率等方面都有了显著提高，在车型识别上具有明显的优势。