随着智慧城市理念逐渐成熟以及技术日益发展,智能交通成为了智慧城市中极其重要的一环。由于国家新能源政策的普及与绿色出行观念的流行,城市居民出行的方式更加倾向于非机动车。然而非机动车使用率的攀升以及对行人管理条例的不完善引起一系列交通违规,这些违规行为引发了大量的交通事故。如何对违规行为的治理科学化、常态化已经成为城市交通网络中亟需解决的难题。本文在解决上述实际问题的过程中,采用了深度学习的方法,提出了基于卷积神经网络的非机动车车牌识别算法,并创新性地提出基于颜色特征的前后特征匹配算法。首先本文先对获取到的原始人脸数据进行预处理与结构化存储,便于后续具体工作的展开。然后,在实际人脸库的存储与获取方面,采用了分布式的方案来提高获取数据的安全性与快捷性。其次,在非机动车车牌识别上本文提出了基于卷积神经网络的非机动车车牌识别算法。最后,本文提出了基于驾驶员正背面的衣服颜色特征的前后特征匹配算法。每一模块中都通过实验数据验证了算法的准确性。在此之上,本文搭建了分布式的行人及非机动车的违规检测系统。数据及系统后台分布式的部署解决了数据集的迁入迁出问题。系统为用户提供了简单快捷的页面管理模块,系统用户可以进行开具罚单、违规行为识别、路口屏展示,还为用户按照不同的部门提供了职级管理功能。在违规统计方面,根据多种查询条件去查找具体的统计信息,在交通可视化方面,将各个路口违规人数与路口地图结合并呈现。并对违规检测系统的每个模块进行了详细地开发,在实际部署的测试中,各个模块均有良好的运行效果。