摘要：如今，交通流检测已经成为了智能交通系统中重要的研究基础。通过交通检测，可以方便地了解到包括车流量、方向、车速、通行能力等在内的交通参数。目前已有的检测方法有很多种，但是相较于传统的检测方法，基于图像处理的视频检测技术凭借着自身设置灵活、测量精度高的优势，在智能交通系统研究中占据着十分重要的地位。

T型路口的交通状况十分复杂，因此对T型路口的监控和管理也显得极为重要。在现有的视频检测算法中，YOLO算法以及SSD算法更加迅速、精确，目前基于YOLO和SSD的目标检测逐渐成为热点研究对象。其中，SSD算法作为比较新颖的检测算法，其借鉴了YOLO算法的网格思想，但不同的是SSD可以应用多尺度的特征图对车辆进行检测，提高检测精度。在图像处理的基础上，使用已经训练出来的SSD模型对视频文件中的车辆进行检测并将其识别出来，从而实现对于交通流量的实时监控与统计，得到实时的交通数据，以此应对可能出现的紧急交通状况。

关键词：SSD算法；目标检测；图像处理；车辆计数

目  录

摘  要

ABSTRACT

第一章  绪  论-1

1.1课题研究背景与意义-1

1.2国内外研究现状及发展趋势-2

1.2.1 国内及国外研究现状-2

1.2.2视频检测技术的未来发展方向-3

1.3研究目的及主要内容-4

1.4论文结构安排-4

第二章  车辆检测技术研究-5

2.1 T型路口交通流特性-5

2.2传统目标检测算法-5

2.2.1光流法-5

2.2.2帧间差分法-7

2.2.3背景差分法-8

2.3 YOLO算法-9

2.4 SSD算法-10

2.5本章小结-10

第三章  基于SSD算法的车流量研究-11

3.1 SSD目标检测算法原理-11

3.2图像预处理-12

3.3 SSD训练及预测过程-13

3.4 SSD模型检测方式-14

3.5车辆计数方法-15

3.6本章小结-16

第四章  实验结果-17

4.1开发环境选用-17

4.2 实验设计思路以及检测-17

4.3实验分析-18

4.4本章小结-18

第五章 总结与展望-20

5.1总结-20

5.2展望-20

参考文献-21

致  谢-23