《车辆多目标跟踪与流量统计》聚焦于智能交通系统中的关键技术研究，涵盖算法设计、数据处理及应用实践等方面，旨在提高道路管理和交通安全效率。
1. demo文件夹：展示了YOLOv4目标检测算法在MVI_40192数据集上的处理效果，车辆信息基本都能被准确识别。
2. road1_demo文件夹：采用了YOLOv4 + DeepSort算法对road1.mp4视频进行目标跟踪和车流量计数。人工统计结果显示有292辆车（可能存在误差），而算法的统计数据为288辆。
3. road2_demo文件夹：同样是使用了YOLOv4 + DeepSort算法来处理road2.mp4视频的数据，用于验证目标跟踪及车流量计算的效果。经过人工计数得出的结果是共有29辆车通过，与算法统计出的数量一致。只要车辆在画面中的清晰度、大小和轮廓完整程度合适，则该系统能够提供较高的精度。
4. road1_tracking.mp4 和 road2_tracking.mp4：这两个视频文件由目标跟踪处理结果合成而成。
5. deepsort文件夹：此目录内包含了实现目标追踪算法的源代码，其中包括了卡尔曼滤波、匈牙利匹配方法以及边框类和Track类与Tracker类的相关创建过程。
6. ReID 文件夹：该文件夹中存放着特征提取算法的源码，并且model_data子文件夹里存储有reid网络结构及权重信息。feature_extract_model.py脚本用于构建特征提取模型。
7. YOLOv4 文件夹：包含YOLOv4目标检测算法的相关代码，其中model_data目录下保存了yolov4的配置与参数设置；nets和utils模块分别负责搭建网络架构以及提供辅助功能支持。decode.py文件则用来解析并展示最终的目标识别结果。
8. car_predict.py 和 yolo.py：这两个脚本用于验证YOLOv4目标检测算法的效果。
9. main.py：作为整个项目的运行入口，直接执行此文件即可调用YOLOv4+DeepSort组合模型处理视频流信息，并完成相应的目标跟踪与车流量统计任务。
5星
