近年来，解决交通拥堵问题已成为交通管理的一项重要任务。车辆检测与识别的广泛应用也是解决交通拥堵问题的常用方法之一。基于卷积神经网络Faster的r-CNN已经逐渐成为一种重要的图像目标检测和识别方法。该算法具有检测精度高、限制小等优点，因此受到了广泛关注。目前常用的算法模型都是基于模型本身参数的修改，很少涉及网络结构以外的改进方法。本文讨论了Fasterr-CNN车辆目标检测方法的网络结构改进、锚框提取改进和候选帧参数校正方法，特别是数据集预处理后的再训练可以提高检测效率。改进后的方法不仅可以减轻网络结构，还可以提高网络的泛化能力，使Faster的r-CNN能够完成更复杂的交通环境检测任务，识别精度得到显著提高。