于 强，李文雄，刘艺腾，胡晨祎，张 萌

(1.石家庄铁道大学 河北省交通安全与控制重点实验室，河北 石家庄 050043;2.石家庄铁道大学 交通运输学院，河北 石家庄 050043)

随着计算机图像处理技术、计算机视觉技术快速发展，交通正朝着智慧化方向发展，智慧交通需要对交通实况进行全面感知。目前存在庞大的视频方式的交通数据，如何从视频数据中获取服务于智慧交通的信息，已成为广受关注的热点问题之一。通过交通视频，采集道路交通流量数据是其中较为重要的一项工作。

要实现交通视频中目标路段的交通流量统计，首先需要识别出视频帧中的车辆。车辆识别方法可以大致分为2类：传统车辆识别算法和基于深度学习的车辆识别算法。传统车辆识别算法主要包括背景差法、帧差法、光流法等，基于传统车辆识别算法形成了虚拟检测线法[1]和虚拟线圈法[2]等交通流量统计的方法，其基本思想为对视频帧中的像素值及其变化值判定区域内有无车辆通过，该类方法简单易行，但是无法利用像素值的深度特征，易受到场景中光线变化或其他非交通参与对象的影响，且无法对车型进行识别，性能较低，不宜采用[3]。

基于深度学习车辆识别算法进行交通流量统计的方法称为目标跟踪法[11]，目标跟踪法的基本思路是：首先识别视频帧中的车辆，然后对识别出的车辆对象进行跟踪，进而统计交通流量，该方法克服了虚拟检测线法和虚拟线圈法的不足，能够识别车辆的车型，并按车型统计交通流量。……