摘要：针对现有车辆假牌套牌各种检测方法存在计算复杂度高、检测精度低、鲁棒性欠缺等问题，提出一种基于多任务的高速区域卷积神经网络（FasterR-CNN）车辆假牌套牌的检测方法。首先利用时空约束得到疑似套牌车辆，接着用FasterR—CNN定位分割出车辆前脸部分图像，然后对疑似套牌车辆的车脸公脸部分（车辆的基本特征）的特征进行比对；在此基础上再对高仿套牌车辆的车脸私脸部分（车检标）的细微特征进行检测比对。这种分层次的、从车辆宏观特征到微观特征的视觉检测方法，具有检测速度快、鲁棒性高、泛化能力强、实施部署方便、检测精度高等优点。实验研究表明，在VehicleID数据集和杭州卡口数据集中分别取得了99．39％、99．22％的检测精度。

关键词：车辆假牌套牌检测 多任务高速区域卷积神经网络 车辆脸部特征 分层特征比对 

单位：浙江工业大学信息工程学院; 杭州310023; 银江股份有限公司; 杭州310000