：针对传统的车辆检测算法无法自适应地完成在复杂场景变化下提取目标相应特征的现象，提出了一种基于深 度学习的车辆检测算法，该算法结合了Ｆａ ｓ ｔ ｅ ｒＲ ＣＮＮ开源框架和Ｌｏ ｃ Ｎｅ ｔ网络算法。首先，利用ＲＰＮ算法获得图片 中的候选区域，以减少检测过程中对每张图片的计算量；然后，进入 Ｆａ ｓ ｔＲ ＣＮＮ网络，利用该深度网络中的卷积层 和池化层，自适应地获得车辆目标的所有特征；最后，进入Ｌｏ ｃ Ｎｅ ｔ网络，通过输入已经得到的图片候选区域，通过卷 积层和池化层，不断计算候选区域边界的概率，达到不断优化候选区域边界，最后得到车辆目标的边界框。使用深 度学习卷积神经网络，可以避免人工设计车辆目标特征适用性不广泛的缺点，提升车辆目标检测和定位的准确性。