近些年来,智能驾驶技术得到众多汽车厂商以及互联网科技公司的大力支持,发展十分迅速,同时,深度学习技术的飞跃发展,使得其在各个领域中得到了广泛的应用。智能车场景解析技术是智能驾驶中最为基础的一项技术,对智能驾驶技术具有重要意义。本文将深度学习技术应用到智能车场景解析任务之中,基于场景解析数据集SIFT FLOW数据集、Stanford Background数据集和BJFTH数据集,完成了以下研究工作：1.建立了基于卷积神经网络的场景解析算法,详细阐述了算法的基本工作原理和可行性,通过实验结果分析了该算法的优缺点。2.提出了基于递归卷积神经网络的场景解析算法,分析了算法机理,通过实验结果对比分析了该算法的优越性和不足之处。3.提出了基于TD卷积神经网络的场景解析算法,阐述了算法机理,并通过实验结果对比分析了该算法的优点和不足。实验结果表明,基于递归卷积神经网络的场景解析算法取得了最好的测试表现,同时其余两种算法也都取得了良好的效果,证明了将深度学习技术应用在智能车场景解析之中的可行性。