1.一种基于RCNN的图像检测以及流量统计方法，其特征在于，采用了先提取候选区域region proposal，然后利用兴趣区域ROI正规化到指定大小，利用卷积网络进行特征提取，最后利用支持向量机SVM为每个类别做一个分类器进行分类以确定是否采用某个候选框proposal；并对视频中通过的特定物体的数量进行流量统计；
该方法具体包括以下步骤：
第一步：利用与检测物体无关的普适提取region proposal的方法提取region proposal；
第二步：因为提取得到的region proposal看做是任意大小的矩形，而CNN的输入应为227x227像素尺寸pixel size的图片，所以对提出的region proposal做正规化处理，使得处理后的图像为227x227pixel size；
第三步：特征提取，利用5层卷积2层全连接的CNN网络对图片进行特征提取，其中227x227pixel size的图片得到4096维特征；
第四步：利用特征进行分类，根据分类结果选取proposal；
第五步：利用统计结果对出现物体进行判别统计，得出流量统计的结果；
所述的第五步包括：
如果一个目标object从未被遮挡状态转入被遮挡状态，之后再次出现不会被判定为两次出现；
如果一个物体从被遮挡状态直接出现，而不是从视频到边缘处出现，可以进行识别并计数；
所述的第五步包括：RCNN可能会将一些其他物体识别成我们需要统计流量的object，并持续的标记，通过设定圈的形状，对此问题进行规避；
所述的第五步包括：利用相邻两帧之间的物体距离进行物体判定与跟踪，包括四种状态以及四种状态之间的转换，具体为：
待定出现到确认出现：利用待定出现的累计次数作为变量进行判断，当其达到特定数量时进行转换；
确认出现到待定消失：若物体消失，则判断是否出现遮挡，如果不存在遮挡则由确认出现转换到待定消失；
待定消失到确认消失：利用待定消失的累计次数作为变量进行判断，当其达到特定数量时进行转换。
2.根据权利要求1所述的一种基于RCNN的图像检测以及流量统计方法，其特征在于，所述的第五步包括：通过结合前后几张图像picture的信息，将个别性的误判消除。