智能交通系统可以提高交通设施运行效率,车流量在智能交通系统中有举足轻重的位置。微波雷达车流量检测技术由于抗干扰性好、可全天时、全天候工作得到人们的广泛关注。目前针对非主干道、特定地段的车流量检测技术研究较少,本课题基于此出发点研究了便携、低功耗、可移动式的雷达车流量检测技术。通常来说,该类车流量检测仪要求雷达模块小型化和低功耗。但低功耗的特点意味着其检测目标的信噪比较低,面对复杂的城市道路时检测难度增大。近年来,神经网络被成功应用于视觉、语音、自然语言处理等领域,但训练一个神经网络需要大量标注好的数据。然而,雷达数据不如视觉数据直观,其标注需要依赖专业人士,费时费力,且目前尚无与车流量检测相关的公开雷达数据库,这使得神经网络在雷达车流量的检测应用中受到制约。针对以上问题,本文利用视频车流检测技术和神经网络技术已有研究成果,研究基于视觉辅助和神经网络的雷达车流检测技术,主要完成的工作内容如下:1、提出了一种视觉辅助的雷达数据自动标注方法。首先搭建了雷达数据和视觉数据的时间同步和空间同步系统,然后利用图像检测算法对雷达数据对应的车辆数进行自动标注,有效的提高了雷达数据标注的效率。2、提出了一种基于卷积神经网络的车流量统计算法。算法包含两个步骤:（1）对雷达数据进行预处理,提取雷达时间-距离图特征,并以此训练设计了三分类卷积神经网络,获得其对应的瞬时车辆数;（2）基于瞬时车辆数和雷达时间-距离图的质心获得车辆的行车状态,通过行车状态的变化完成车流量的统计,实验数据验证了所提方法的有效性。3、基于树莓派搭建了一套移动式车流量检测仪,成功将车流量统计算法移植到移动式车流量检测仪中。离线雷达数据的模拟测试和实地测试均表明了所提车流量统计算法具有良好的准确性和实时性。