目前常用的车流量统计方法包括基于虚拟区域和基于车辆跟踪的车流量统计方法，如下图所示。前者在视频帧中手动设定虚拟检测区域，通过判断虚拟检测区域的灰度值变化判断车辆是否经过，从而进行车流量统计。其中虚拟检测区域可以由点、线以及线圈组成，又可以进一步细分为不同的方法。基于虚拟区域的车流量统计方法实现简单、速度较快，但易受光照等外界环境影响且统计准确率较低。基于车辆跟踪的车流量统计方法通过对车流视频中的各帧图像中的车辆进行匹配，从而捕捉各个车辆的运动轨迹和状态，并基于车辆轨迹和状态的差异性进行车辆计数。
常用的基于车辆跟踪的车流量统计方法可以细分为：基于检测跟踪、动态轮廓、车辆模型和车辆特征的方法。这种方法由于需要对每一帧做大量运算，计算复杂度较高。但由于其可准确稳定地跟踪和识别各个车辆目标，具有较高的统计准确率。由于 CNN 在目标检测领域取得巨大成功，能充分提取图像深层次特征，目前使用基于 CNN 的方式进行车辆检测和车辆跟踪已经发展为一种主要的趋势。基于检测跟踪的车流量统计方法具有较高的准确率，且还能与计算机视觉技术结合起来，是当前研究的重要方向。 因此目前，最主流的方法是使用目标检测算法获取车辆的高维特征向量，并把这些特征输入到目标检测算法中进行跟踪比对以确定车辆的ID,通过唯一的ID标识不同车辆，进而计数。
总的来说，基于计算机视觉和检测跟踪的车流量统计方法可以分为以下步骤：（1）读取监控摄像头的视频帧。（2）在车辆数据集上训练，得到车辆检测模型。（3）对车辆进行多目标跟踪&#