1、demo文件夹： YOLOv4目标检测算法针对MVI_40192文件夹数据集的处理效果，比较满意，车辆信息基本都能检测到。 2、road1_demo文件夹： YOLOv4 + DeepSort算法，针对road1.mp4视频数据的目标跟踪、车流量计数效果。人工统计车流量292辆(可能有偏差)，算法统计车流量288辆。 3、road2_demo文件夹： YOLOv4 + DeepSort算法，针对road2.mp4视频数据的目标跟踪、车流量计数效果。人工统计车流量29辆，算法统计车流量29辆。 只要视频流车辆清晰、大小合适、轮廓完整，算法处理的精度挺高。 4、road1_tracking.mp4、road2_tracking.mp4： 由目标跟踪处理结果合成的视频流。 *********************************************************************************************** 1、deepsort文件夹： 含目标跟踪算法源码，包括：卡尔曼滤波、匈牙利匹配、边框类创建、Track类创建、Tracker类创建。 2、ReID文件夹： 含特征提取算法源码，model_data存储着reid网络的结构、权重，feature_extract_model.py用于创建特征提取类。 3、YOLOv4文件夹： 含目标检测算法源码，model_data存储yolov4网络配置、nets + utils用于搭建模型。decode.py用于将检测结果解码。 4、car_predict.py、yolo.py： 用于验证目标检测算法的效果。 5、main.py： 整个项目的运行入口，直接运行main.py，就可以调用YOLOv4+DeepSort，处理视频流信息，完成目标跟踪和车流量统计。

Python yolo 神经网络实现视频中的行人车辆检测计数（车流量统计）YOLO多目标跟踪与计数,参考链接：https://blog.csdn.net/babyai996/article/details/120820180

智慧停车场管理系统、停车位、停车费、停车场系统、寻车、抬杆、入位车、出位车、车流量统计、停车、收费、缴费、预警管理、业务统计、报警统计、运维管理、报警系统、异常页面、数据配置、智慧停车、HTML、前端代码、html代码 HTML演示地址：https://www.pmdaniu.com/storages/124903/0b0992b7450512bc6986965a1cc366fe-30328/start.html#g=1&p=%E7%99%BB%E5%BD%95

帧差法——动态检测——统计车流量完整代码及视频，工程配置opencv后可直接添加源代码运行。能大致统计出车流量。

车流量统计人流量统计车辆目标追踪计数之YOLO车流统计人流量统计视频介绍：https://www.bilibili.com/video/BV1kD4y1U71a?from=search&seid=2274673722711578690 1.操作系统：windows10  X64 企业版 2.python环境：3.6.8   64位纯净版 3.相关第三方库：imutils --- 0.5.2 (0.5.3)       opencv --- 4.1.0.25(3.4.1.15)        numba -- 0.48.0      filterpy --1.4.5

车流量统计matlab程序，可以对每辆车进行标号，亲自测试过，绝对可用

基于视频的车流量检测技术的matlab 程序

基于视频的车流量统计——matlab代码；还有一个视频和两个代码

matlab 基于视频的车流量统计源码附带需要vision 工具箱

于Mean Shift算法有两个缺点：使用的模板不更新、窗口宽度（核函数）固定，对两个缺点分别改进：利用数学形态学对目标边缘进行检测，得到与目标相匹配的窗口宽度，从而使核函数宽度能够自适跟踪目标，在目标有遮挡、噪声干扰等影响下，利用粒子滤波对目标进行预测，使Mean Shift算法中的模板得到实时更新。总体来说就是用数学形态学得到目标轮廓，粒子滤波得到更新模板，把这两个参数（一个是目标预测位置，一个是目标大小轮廓）传给Mean Shift算法进行目标跟踪，统计出视频中车的数量，