完整代码，可直接运行

描述基础知识内容：卡尔曼滤波器实践，目标估计模型，匈牙利算法汇总脑图。 汇总了各个知识结果，便于理解和复习。 我的博客地址： https://blog.csdn.net/zzx188891020

利用车辆视频图像的能量信息作为车辆的检测特征, 辨别检测区域各部分状态, 减弱光照、阴影等的影响; 并且通过实时自动提取和更新背景能量图的方式来检测车流量

智慧交通CV项目 https://blog.csdn.net/qq_39237205/category_11469074.html

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。

基于视频的车流量检测.pdf )基于视频的车流量检测.pdf )

描述基础知识内容：多目标跟踪，车流量统计中辅助功能，卡尔曼滤波器。 汇总了各个知识结果，便于理解和复习。 我的博客地址： https://blog.csdn.net/zzx188891020

包含车流量监控项目的过程解析、以及sql。还有源代码。项目中的libs目录下缺一个包spark-assembly-1.6.0-hadoop2.4.0，可自行下载

导读：本文介绍了一种基于磁阻传感器的车流量检测系统，磁阻传感器能将车辆引起的地磁扰动转换为清晰的电压信号输出。该系统包含了信号放大模块、无线通信模块等，多个地磁传感器节点通过无线通信模块与计算机系统相连，将检测到的车流信息反馈到上位机，从而实现对整个路口车流的检测。 　　1.引言 　　如何缓解城市交通拥堵、提高道路通行能力已经成为当前迫切需要研究解决的课题。如果可以根据各车道车流量来实现对交通信号灯的智能化控制，合理地分配交通信号灯控制时间，那么就可以提高交通系统效率，缓解交通拥堵现象。为获取车流量相关数据必须设计一个道路车流量检测系统。针对车流量检测系统的需求，本文介绍了磁阻传感器车流量

基于计算机视觉的车流量检测算法.pdf