基于深度学习框架的高速路上车流量的实时统计,代码位置在：test/video_object_detection.py,这里只是用视频做了一个demo，实际应用需要调取摄像头，结合实际开发相关功能模块。vodeos/test.mp4为源视频，videos/test_out.avi 为处理后的效果图，可以直接下载查看，faster-rcnn源码地址：https://github.com/endernewton/tf-faster-rcnn.git

1、进入lib文件夹下，修改setup.py文件，因为setup.py文件同时编译了又cpu和GPU的情况。本台电脑没有GPU，所以不需要编译GPU， 如果直接编译，会报错：OSError: The nvcc binary could not be located in your $PATH. Either add it to your path, or set $CUDA_PATH 修改：要注释的代码
1：#CUDA = locate_cuda() 57行
2：#customize_compiler_for_nvcc(self.compiler) 110行

2、执行Makefile文件中的 python setup.py ,build_ext --inplace

3、注释掉nms_wrapper.py中的 17行 # from nms.gpu_nms import gpu_nms
#if cfg.USE_GPU_NMS and not force_cpu: 25
#return gpu_nms(dets, thresh, device_id=0) 26

4、执行官网的demo 直接运行tools/demo.py文件
5、 报错处理：
报错：ValueError: Buffer dtype mismatch, expected 'int_t' but got 'long long'
解决办法：打开lib/nns/nms.pyx，将第25行的np.int_t修改为np.intp_t。然后重新执行setup.py
6、直接运行test/video_object_detection.py 脚本即可运行告诉路上车辆的统计 7、

1、先检查pip3是否安装,命令：pip3 –version, 如果不存在就要安装pip3，执行apt-get update，然后执行：sudo apt-get install python3-dev（为后面make操作，注意必须是pyhton3-dev，不能是python-dev），Python2 和 pip2 存在， Python3 也存在，但是 pip3 不存在的解决办法：
sudo curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
sudo python3 get-pip.py

2、先安装环境，执行以上pip3命令:
pip3 install cython
pip3 install opencv-python
pip3 install matplotlib
pip3 install easydict
pip3 install Pillow
pip3 install scipy
pip3 install tensorflow-gpu ==1.3.0
pip3 install tensorflow-tensorboard == 0.1.8

3、可以安装anaconda，在anaconda里面创建各种隔离环境

4、执行git clone https://github.com/endernewton/tf-faster-rcnn.git 下载源码或自己直接下载好传到环境中

5、cd stat_car_object_detection/lib 进入lib包执行make操作，这里注意因为是用python3，所以需要修改Makefile文件内容，将文件中的python都修改问python3，分别执行命令：make clean make

6、安装 Python COCO API，这是为了使用COCO数据库，分别执行命令：cd data ->git clone https://github.com/pdollar/coco.git ->cd coco/PythonAPI 下面执行make操作前，注意和5步一样修改Makefile文件，将python全部修改为python3，然后执行 make命令

7、下载预训练模型Resnet101 for voc pre-trained on 07+12 set，执行命令：./data/scripts/fetch_faster_rcnn_models.sh，或自己下载voc_0712_80k-110k.tgz包放到data目录下，解压：tar xvf voc_0712_80k-110k.tgz

8、回到stat_car_object_detection根目录下，建立预训练模型的软连接：
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default

9、回到根目录：执行命令：python3 tools/demo.py ，这里会报错RuntimeError: Invalid DISPLAY variable，这是因为matplotlib 输出的图像没有输出来，解决办法是修改demo.py中的代码，使得不输出图像：


10、执行命令：python3 tools/demo.py
11、运行python3 test/video_object_detection.py 即可运行高速路口车辆的实时统计（这里事例选的是视频，实时统计需要添加调取摄像头等功能）
12、Ubuntu中opencv读取视频出错：需要安装ffmpeg 执行命令：pip3 install ffmpeg和pip3 install opencv-contrib-python，