随着我国汽车保有量的指数型增长,城市交通管理带来巨大压力。如何合理有效地减少交通事故的发生,同时提高事故后车辆追责效率是政府相关管理部门的亟待解决的问题。在道路管理方面,智能交通视频监控系统是每个城市交管部门工作的核心重点。利用这些高质量视频数据结合先进的现代图像处理和检索技术,高效的监管查询检索系统应运而生。基于此,本文利用城市道路监控视频中车辆信息,设计实现基于多特征融合的车辆检索系统。文中分析了监控视频中车辆图像的特征,深入研究车辆图像高级语义特征的提取方法,设计视频输入模块的车辆检测和车辆关联功能,实现特征提取模块低层语义特征和深层语义特征的提取。本文通过设计有效对比实验验证车辆信息提取的有效性。研究成果包含如下工作:(1)实现车辆系统视频输入模块,充分研究卷积神经网络的结构及原理。在系统的视频输入模块完成基于Faster-RCNN卷积神经网络车辆检测和车辆关联两项任务。对原有的车辆检测算法进行改进提高检测正确率。提出改进Fast-match快速模板匹配算法,在车辆图像检索过程中,能够对车辆年检标志等特殊符号的模板匹配计算。改进后的Fast-match快速模板匹配算法在保留原始算法高鲁棒性和快速运算的优势下,将颜色特征添加匹配过程,大大增加的模板匹配的正确率。在对车辆用户级别特征利用的层面上,实现了算法构造和实验验证。在两个车辆大数据集上的对比实验提供了验证。(2)实现特征提取模块中车辆图像的粗粒度和细粒度特征提取。利用基于K-means聚类的方法对车辆的车型特征和车辆颜色粗粒度特征进行提取,完成系统粗分类作用。设计搭建深度哈希网络,提取车辆图像深层语义特征,将其高维特征编码为紧凑的二值码。构建特征向量相似性度量准则。(3)车辆检索软件应用的实现。设计完成多特征的融合计算,可以根据检索环境的不同,利用输入图像数据库或输入监控视频对样本库中的车辆进行查询。并通过系统的图片输出完成在交通闭环区域内的车辆关联性检索。