近年来深度学习的飞速发展使得智能车辆的研发得到了广泛关注,本文以物体检测任务和视觉测距为原型,研究了计算机视觉技术在车载识别监测方面的应用,具体内容如下:论文首先研究了基于深度学习的物体检测技术,分析了卷积神经网络的结构、原理和当今主流的物体检测模型,并提出了与传统方法相结合的改进的车载检测算法。接着论文研究了作为视觉测距原理的相机模型,并分别介绍了单目测距法常用的几何模型法、逆投影变换法和数据建模回归法,比较了各自的优缺点,并提出了基于物体检测和投影变换的视觉测距方法。然后本文结合车辆的实际行驶状况实现了基于计算机视觉的车载识别监测方法,该方法主要包括物体检测和数据测算两个功能。物体检测部分使用传统计算机视觉方法检测并标识了车道,使用深度学习模型检测了路面物体并标注位置和分类。数据测算部分采用了基于投影变换来进行测距的方法。最后的测试结果基本符合预期,具有一定的应用价值。