利用计算机视觉技术实现交通视频的智能分析,是智能交通领域中的一个研究热点。通过对交通视频中的车辆目标进行检测和跟踪,获得目标的位置与轨迹信息,并对其进行分析和处理,得到实时的交通参数和交通事件信息,从而实现交通视频的智能分析。本文以高速公路监控视频作为研究对象,采用基于深度学习的目标检测方法,结合多目标跟踪技术,实现了一个较为有效的高速公路交通视频智能分析系统。本文的工作内容如下:目标检测:本文选择准确度高实时性好的YOLOv3作为目标检测的基础框架,针对高速公路交通场景,完成了包含11238张样本图片的数据集制作。在此基础之上,采用迁移学习的方法进行模型训练、测试和优化,使得网络模型达到最优。通过实验验证,本文的目标检测算法平均准确率为89.2%,检测速度为29FPS,满足实际应用需求。多目标跟踪:在目标检测结果的基础上,提出了基于IoU相似性度量和行列最优原则的数据关联方法,应用该方法实现了目标与轨迹的关联评价,针对不同关联结果,设计了相应的轨迹处理策略,实现了车辆目标的持续跟踪。通过实验验证,本文的跟踪算法能够有效处理误检、漏检和遮挡问题。交通视频智能分析系统:在目标检测与跟踪的基础上,实现了一个高速公路交通视频智能分析系统。该系统能够利用目标轨迹信息进行交通流方向的自动判断和交通流量断面检测线的自动设置,较为准确地获取交通参数、检测交通事件。通过实验验证,该系统具有一定的实用价值。