随着经济的发展与城市化进程加快,许多人的出行首选工具变成了机动车。机动车的数量不断增加,带来了道路拥堵、事故频发的问题。公安部门利用信息化技术对拥堵路段进行管理,投入大量资金在公路上安装大量视频监控设备,建立视频监控中心。但是监控方法主要是人工监控,耗费人力且效率低下。同时,近几年在卷积神经网路研究领域,许多优质的目标检测算法问世。YOLO算法是2015年提出的快速目标检测算法,相比其他目标检测算法检测速度快、精度高。因此,本文选用YOLO算法,设计实现了一个交通视频分析系统。Yolo v3模型是YOLO算法作者提出的最新一代模型,在相同识别准确度下检测速度显著的快于其它检测模型,可以达到实时检测的效果。本系统将Darknet框架作为训练时所使用的框架,参考Yolo v3网络模型的结构和训练方法,使用实地拍摄的视频制作成数据集,训练出针对交通场景下的目标检测模型,可以对车辆和行人进行快速准确的识别、统计。将该模型作为核心算法,设计并实现了完整的交通视频监控系统。该系统可以对摄像头中的实时视频进行自动分析,统计车辆和人数,配合后台系统的视频源配置、数据查看、自动报警等功能,协助交警执法,提高执法效率的同时减少人力成本。我们记录了系统开发中每个阶段的工作,包括系统需求分析、系统设计、系统实现与测试。经过系统测试后证实系统运行稳定、功能完善且无明显缺陷。将该系统向客户展示,提供给客户体验后,得到了客户良好的反馈,达到客户预期,满足设计需求。