图像识别可以应用于智能交通系统的许多应用中。通过自动交通流量计数,可以有效地显示给定区域的交通信息。在现有的图像识别模型处理完监视视频后,可以轻松提取每个帧中对象的坐标。然后,对提取的对象坐标进行滤波以获得所需的车辆坐标。为了实现车辆计数的功能,需要识别不同框架中的车辆的关系,即它们是否代表相同的车辆。尽管可以通过使用跟踪算法来实现车辆计数,但是识别的时间很短,可能会导致错误的跟踪,从而导致错误的交通计数。在本文中,我们提出了基于视频的车流量统计方法研究。该方法主要分为两大模块:车流量统计区域划分模块与车流量统计模块。车流量统计区域划分模块包括基于视频图像数据,首先通过目标检测确定我们的ROI区域,之后通过霍夫变换预先把道路中每条车道识别并划分为独立的统计区域,并以此进行车辆检测;车流量统计模块包括基于视频图像数据,针对每一统计区域采用基于深度学习的目标检测识别模型对车辆进行检测,按照时间点进行批量统计,得到相应统计区域的车辆统计,再将各统计区域的车辆统计数据进行叠加,以实现车流量统计。所提出的方法仅需要利用跟踪一个点的移动距离计算来实现车辆计数的目的。另外,通过筛选边缘车辆获取跟踪点,系统能够减轻错误检测的后果,结果表明,在环境光线充足的情况下,本方法可实现较高的计数精度。