车流量统计是舒缓交通压力与智能管理交通等任务的基础,也是利用监控视频获取交通信息的途径,具有实际研究意义和场景应用价值。本文以监控视频为研究对象,以双向车道车流量统计为研究任务,通过初步设计、优化改进、整合功能三步实现车流量统计目的。此方法可以了解到具体路段的车辆信息,为交通管理提供引流决策,防止堵塞情况发生,减少了不必要人工开支。工作内容如下:（1）设计并实现车辆检测功能第一步,将UA-DETRAC数据集与自制数据集两者融合形成本文数据集,选取YOLOv5四个版本中网络深度宽度均最小的YOLOv5s进行初次模型训练。基于对轻量级网络不进行大改思路,融合注意力机制后改进损失函数,使得维持高速度检测同时提升检测精度。第二步,首先确定改进整体思路是将SE分别引入YOLOv5s中Backbone、Neck和Head三大模块特征融合区域。其中针对Backbone改进方案需通过研究SE与Bottleneck残差组块的After、Before和Add三种不同嵌入方式确定,经过实验论证Add方式为最优选择。再将三种改进网络与原网络检测性能进行对比,决定将Backbone作为改进关注区域。最后依据删繁就简思想优化网络,去除SE＿Bottleneck CSP1＿1结构中的改进内容形成SEA1＿Add＿YOLOv5s。A表示改进位置为Backbone、1表示去除第一个结构中的改进、Add为嵌入方式,简称SE＿YOLOv5s,将此网络作为改进最佳方案。与YOLOv5s相比既可以获得高于YOLOv5s模型0.014的m AP,又可以保持FPS为24的检测速度。第三步,将Focal Loss焦点损失函数引入SE＿YOLOv5s的输出端形成SES＿YOLOv5s,此函数通过调节α和γ两个参数重构交叉熵损失函数,使训练过程中更加关注正样本和难分类样本,检测精度有所提高且总损失函数整体趋势变小。（2）检测基础上整合跟踪计数功能利用Deep-Sort算法对车辆进行跟踪并提取车辆中心点的运动轨迹S,然后划定检测线L位置。如果轨迹S与检测线L相交,总数计数器加1;如果当前帧车辆中心点纵坐标小于前一帧则上行计数器加1,大于下行计数器加1。基于两种检测算法的计数方法均不能达到实时计数前提,使用SES＿YOLOv5s检测的计数方法以94%的准确率完成任务,比使用YOLOv5s进行计数的方法提高了4%。