随着经济的大力发展,我国汽车保有量逐年增加,不仅仅对人们的出行带来了不便,而且为交通部门的管理带来巨大了压力。随着大数据与深度学习的流行,交通管理逐渐步入智能化,出现了基于视频的智能化交通控制系统,大大提高了车辆管理的效率。为了能够更好的对交通进行有效地管理,研究智能化交通控制系统的构成部分如车辆检测、跟踪、统计、分割是十分有必要的。在目标检测时,本文通过分析常用的目标检测算法,发现使用检测算法YOLOv4对车辆目标进行检测效果更好,但是在检测车辆时存在目标丢失与目标定位不准的问题。本文在YOLOv4网络上进行改进,采用soft-NMS替换原NMS机制,并且在原有主干层的基础上,增加152x152主干层作为网络的检测尺寸,有效缓解了目标丢失与目标定位不准的问题。在目标跟踪时,本文采用跟踪算法SORT进行相关实验,首先利用卡尔曼滤波来对目标车辆当前位置进行预测,然后通过匈牙利算法将同一目标车辆进行关联。实验表明,该算法能够有效地跟踪到车辆。为了能够更加准确地统计车流量,对车辆间重叠问题进行解决是必不可少的一部分。本文通过对帧差法、光流法、背景差分法进行分析对比,发现背景差分法在获取车辆前景的时候效果最佳。通过使用背景差分法对车辆前景连通区域进行提取,利用最小外接矩形的宽高比和占空比来判断车辆重叠情况,通过凸包检测获取连通区域的凹陷区域,利用Freeman链码检测连通区域轮廓和凹陷区域内的特征点,计算凹陷区域特征点与凸包间距离的最大值作为分割点,进行重叠分割。经过实验对比分析,该算法比基于Harris角点的遮挡分割算法能够更好地对重叠车辆进行分割,效果更好。在进行车流量统计时,使用改进后的YOLOv4算法并结合跟踪算法SORT来完成流量统计。实验表明,在使用相同的SORT跟踪算法的情况下,改进后的YOLOv4检测网络比原网络在流量统计上准确率提升了3.7%,效果更好。