随着城市道路交通流量日益增大,如何高效率、低成本的解决交通拥堵是智能交通领域的重点研究内容。使用视频分析技术统计监控视频中的交通流量数据,可以为交通管理部门进行拥堵疏导提供参考依据。由于车辆密度和路况条件等因素,不同交通密度场景下车流量统计的需求不同。基于此,本文针对低交通密度场景,提出了基于预视频切分和帧差法的分布式交通流量检测方法;针对高交通密度场景,提出了基于视频帧段分布式处理和背景差法的交通流量检测方法。并最终实现高效率的交通流量检测系统。本文主要研究工作如下:(1)研究低密度分布式交通流量检测方法。现有检测方法对交通密度低的场景进行交通流量统计时,通常存在检测速度较慢的问题。本文预先将完整视频切成若干个短视频,并设计Spark视频完整读取方案,再使用两帧差法实现视频的分布式车流量统计,提升交通流量统计速度。(2)研究高密度分布式交通流量检测方法。对交通密度高的场景进行交通流量统计时,传统检测方法存在漏检及统计速度较慢的问题。通过研究视频帧段分布式读取方式和Spark数据倾斜解决方法,本文提出自定义视频帧段读取方案和任务平均分配法,并通过背景差法对视频帧段进行分布式车流量统计,在保证准确率较高的同时提升检测速度。(3)设计实现高低密度场景交通流量检测系统。通过系统业务需求进行功能模块的分析与设计,实现不同交通密度场景下的车流量分布式统计、统计结果展示等功能,并使用Spring、SpringMVC、Hibernate等技术进行系统构建。最后,通过功能测试和性能测试,验证了本系统在不同交通场景下具有较快的检测速度和较高的准确率。本文的研究成果能在真实场景中应用,并有利于交通流量检测研究的发展。