危险品在运输过程中一旦发生事故将造成恶劣影响，因此，在途危险品运输车辆成为交通运输管理部门和道路运营方的重点关注对象。现有方法主要基于纯视觉方法对此种特殊车辆进行识别，但存在不可避免的误判情况。在夜间、隧道等光环境条件差的特殊场景下，车灯爆闪将影响路侧抓拍设备成像质量，导致现有识别方法表现不佳。针对此，提出特殊场景下融合语义特征的危险品车辆识别方法。通过双向金字塔骨干网络提取车辆正面抓拍图像中的车脸大目标和危险品标志小目标，设计强光抑制的车辆抓拍图片增强模块，并基于梯度优化的迭代平滑方法来过滤抓拍图片的强光部分。进一步使用字符识别模块提取危险品标志中的语义信息，将其用于车辆识别。在7　000张抓拍图片上进行实验，结果表明，此方法较传统识别算法和纯视觉深度学习算法均有提升，模型对危险品车辆识别准确率达到97.2%。