通过监控视频的车流量检测方法包括目标检测技术与多目标跟踪技术,由于实时交通现场行驶的物体种类繁多,车辆目标准确、实时地识别与统计成为基于嵌入式系统进行视频车流量检测技术的巨大挑战。本文以ARMv8-A架构的RK3399为检测平台,移植了三种车辆检测方法:二帧差分法、You Only Look Once Version 2(YOLO v2)检测法、Haar Adaboost分类器检测法,并结合阈值与核相关滤波器(KCF)两种跟踪算法,实现了车流量检测,并研究了这三种方法的实时性与准确性;尝试将Haar Adaboost分类器检测KCF跟踪法并行化,并测试并行化后的性能;最后在道路现场对系统进行了测试。本文的主要内容如下:(1)搭建编译环境和算法的执行环境。用编译器交叉编译配置好的U-Boot、ARM-Linux内核、文件系统以及算法所依赖的软件库,再将它们移植到嵌入式系统上。(2)将车辆检测算法、跟踪算法、计数三部分结合起来,实现车流量的检测,并且对上述的算法交叉编译,再将算法移植到嵌入式系统。(3)在嵌入式系统用已拍摄好的道路现场视频对三种算法进行测试和比较。为进一步提高系统的检测速度,对准确率与执行速度都较高的Haar Adaboost分类器检测KCF跟踪法进行了并行化,按照车道划分感兴趣区域,将每个感兴趣区域分配到各个子线程上,子线程在完成整个检测过程后,将检测结果传回主线程,主线程统计各个子线程的数据,并显示最终结果。(4)在实际道路现场对移植了Haar Adaboost分类器检测KCF跟踪法的车流量检测系统使用摄像头实时摄录,并进行了性能测试。