1.一种基于改进多目标跟踪的交通流量监测方法，其特征在于，包括：获取监测视频；

对监测视频进行分帧处理，得到若干帧监测图像；

将若干帧监测图像分别基于预设的改进多目标跟踪算法进行处理，得到每帧监测图像对应的车流量监测结果；

根据每帧监测图像对应的车流量监测结果生成最终的交通流量监测结果；

得到预设的改进多目标跟踪算法的方法，包括：

对原先DeepSort算法进行改进，得到改进DeepSort算法；

对原先yolov5算法进行改进，得到改进yolov5算法；

根据改进DeepSort算法及改进yolov5算法，得到预设的改进多目标跟踪算法；

对原先yolov5算法进行改进，得到改进yolov5算法，包括：获取第一数据集；

将原先yolov5算法中的锚框损失函数由CIoU损失函数修改为WIoU损失函数；将原先yolov5算法中的特征提取部分由C3模块修改为C3_Res2模块，并在SPPF之后添加了多头自注意力机制，用SGE模块对特征图从空间通道两个维度筛选其符合全局特征的部分，得到初始yolov5算法；

基于第一数据集对初始yolov5算法进行训练，得到改进yolov5算法；

WIoU损失函数，其考虑了预测框和真实框之间的区域来对IoU进行加权，通过两个锚框之间的权重系数来更准确的评估IoU结果；

其中，n为物体框的数量，bi表示第i个物体标注框的坐标，IoU(bi，gi)表示第i个物体标注框与真实框gi之间的IoU值，wi表示权值；

C3_Res2模块包含Res2Net模块的特征，特征图分为4组，每一组中的卷积核大小为3，融合拼接特征后在残差输出前添加SiLU激活函数；在主干网络中，C3_Res2的重复次数为3，6，

9，3次；颈部网络中的重复次数为3；

获取第一数据集，包括：

获取UA‑DETRAC车辆检测数据集；

对UA‑DETRAC车辆检测数据集中的全部图片间隔10帧取一张，得到若干张图片的新数据集；

对新数据集标注进行批量修改，确定为大型车辆及小型车辆，将修改完成的图片和标注汇编为第一数据集；

对原先DeepSort算法进行改进，得到改进DeepSort算法，包括：获取第二数据集；

将原先DeepSort算法中的图片输入部分由随机裁剪方式改为重新更改大小，将图片输入尺寸改为64*128；

输入图片通过单层3×3卷积增大通道数，不改变特征图尺寸；并用3×3池化核最大池化，取消原先DeepSort算法的第二卷积层；

相比原先DeepSort算法网络的6层残差特征提取网络，在其基础上添加一个2层的残差网络，每一组包含两层残差网络，均含有3×3的卷积；第一层提取特征，不改变通道和尺寸；

后三组第一层卷积缩小一倍尺寸，增大一倍通道；第二层卷积不改变尺寸和通道；多次特征提取后，输出变成512×4×8，使用全局平均池化操作，池化核大小为4×8，代替原先DeepSort算法的全连接操作；最后，特征图通过线性变化和批正则化操作以256通道输出语义，得到初始DeepSort算法；

基于第二数据集对初始DeepSort算法进行训练，得到改进DeepSort算法；

获取第二数据集，包括：

获取VeRI数据集；

根据VeRI数据集中不同类别车辆的图片数量和车辆类别，选取其中若干张不同类车辆作为第二数据集。

2.如权利要求1所述的基于改进多目标跟踪的交通流量监测方法，其特征在于，基于第一数据集对初始yolov5算法进行训练，得到改进yolov5算法，包括：计算基于yolov5算法对第一数据集中的图片的平均精度，并判断是否大于0.5；在确定平均精度大于0.5时，表示训练成功，得到改进的yolov5算法；

计算平均精度mAP，包括：

其中，P为精准度；R为召回率；TP为预测正确的正样本数量；FP为预测错误的正样本数量；FN为预测错误的负样本数量；P(R)为P值关于R的变化而形成的曲线；n为样本数量。

3.如权利要求1所述的基于改进多目标跟踪的交通流量监测方法，其特征在于，根据改进DeepSort算法及改进yolov5算法，得到预设的改进多目标跟踪算法，包括：将改进yolov5算法嵌入改进DeepSort算法中，整体打包完整的跟踪算法，得到预设的改进多目标跟踪算法。

4.如权利要求1所述的基于改进多目标跟踪的交通流量监测方法，其特征在于，还包括对预设的改进多目标跟踪算法进行测试。

5.如权利要求4所述的基于改进多目标跟踪的交通流量监测方法，其特征在于，测试方法，包括：采用撞线法来实现对车辆计数，通过同一个ID车辆的蓝黄线撞线先后顺序来判断车辆的上下行；

确定测试数据集；测试数据集包括拍摄视频数据集及UA‑DETRAC车辆检测数据集；

基于原先yolov5算法及原先DeepSort算法对拍摄视频数据集进行识别，确定第一识别结果；

基于原先yolov5算法及原先DeepSort算法对UA‑DETRAC车辆检测数据集进行识别确定第二识别结果；

基于预设的改进多目标跟踪算法分别对拍摄视频数据集及UA‑DETRAC车辆检测数据集进行识别，确定第三识别结果及第四识别结果；

根据第一识别结果及第二识别结果确定第一减少比值，并与预设阈值进行比较；

根据第三识别结果及第四识别结果确定第二减少比值，并与预设阈值进行比较；

在确定第一减少比值大于与预设阈值且第二减少比值大于预设阈值时，表示预设的改进多目标跟踪算法的性能合格，测试通过。