随着人民的生活水平的不断提高,越来越多的人选择购买来获得出行的便利,然而汽车的大量增加给道路交通带来了巨大的压力。研究学者们意识到建立智能交通系统(ITS)用以解决城市城市道路交通拥堵问题日趋迫切。智能交通系统实现其功能的前提是能够获取实时详细的道路交通信息,例如当前车流量、拥挤程度、行车速度、车距等来对城市道路进行科学管控。因此,车辆检测和跟踪领域的探究一直是当下科研工作者的重要研究方向。通过分析当前出现的车辆检测和跟踪技术发现仍然存在漏检错检问题,特别是对偏远场景小目标车辆存在检测精度较低和漏检率较高等问题。针对以上出现的技术难题,本文开展的研究工作和主要创新点如下:1.研究了车辆检测和车流量统计技术的基本原理,对不同算法的实现原理和存在的优点弊端进行详尽的分析介绍。最后确定本文采用何种检测算法,在检测的基础上对车辆实现了跟踪和车流量统计任务。2.对复杂交通路段小目标车辆检测效果欠佳问题进行原因分析,运用了一种结合FPN的改进YOLOv3车辆实时检测算法来改善小目标车辆的检测整体效果,设计两种难度层次的实验。实验结果说明本文提出的检测算法将检测精度从92%提高至95%左右,召回率上也得到改善。3.对卡尔曼滤波进行了详细的流程原理介绍,设计搭建了基于PyQT的智能化的车流量统计平台界面用以跟踪计数实验,将检测、跟踪、车流量统计进行了有效的统一。实验结果表明选用此智能平台方式统计车辆可使准确率提升到92.7%,另外漏检率下降3%左右,更为接近真实车辆数,有着不错的工程应用价值。