车流量检测方法纵览
高速公路车流量统计方法
高速公路车流量统计方法全球越来越多的车辆上路造成了道路拥堵的问题，车流量统计已成为城市规划和交通运输管理中至关重要的一部分。
高速公路上车辆流量分布不均，大幅度的车流量变化使得车流量统计更加复杂和关键。
随着车辆数量的增加，为了更好地管理和规划公路，高速公路车流量统计方法已变得越来越重要。
一、传统车流量监测方法传统的车流量监测方法使用传感器、闸机、摄像机和地磁装置等设备进行车流量数据的收集和分析。
这些设备可以安装在高速公路的入口、出口或特定位置。
传感器和闸机等设备可以统计进出高速公路的车辆数量和时间，并通过这些数据计算出经过路段的平均车速和通行能力。
这些设备被广泛使用，但是需要大量的人力和物力维护和管理。
同时，这些设备不能提供实时数据，其监测范围有限制，不适用于大规模车流量统计。
此外，这些设备受天气影响，如大雨或大雾严重影响数据的可靠性。
二、新兴高科技车流量监测方法为了解决传统车流量监测方法的不足和缺点，新兴高科技车流量监测方法开始被使用，比如车辆识别技术和无线传感器网络。
车辆识别技术是通过图像处理技术来识别和跟踪车辆。
这种技术可以使用摄像机和计算机视觉来捕捉车辆的图像和数据，然后利用计算机算法对车辆进行分析和决策。
车辆识别技术可以在高速公路中心的特定位置进行车辆统计，并提供实时数据。
无线传感器网络是一种代替传统车流量监测方法的新技术。
这种技术使用安装在高速公路中的多个无线传感器，通过收集和处理车辆密度、车速、车型等多个数据来实时监测车流量。
这种技术不仅可以减少设备的维护和管理，而且可靠性更强。
在恶劣天气下，这种技术也可以保持良好的运作。
此外，这种技术可以远程监测和控制车流量，减少交通拥堵和降低交通事故发生的风险。
三、新兴高科技车流量监测方法的发展前景新兴高科技车流量监测方法的发展前景十分广阔。
随着智慧城市概念的出现和ICT技术的广泛使用，车流量监测和控制将成为城市规划和交通运输管理的重要组成部分。
智慧城市交通系列之车流量检测（一）
智慧城市交通系列之车流量检测（⼀）序⾔车流量在⽬前的交通系统中应该是⾮常普遍的，可以⽤于统计某条⼲道的车辆经过总数，与⼈流检测实现原理⼏乎是⼀样的，都是基于⽬标检测和跟踪进⾏，本例的实现是基于yolov5+deepsort，使⽤yolov5对车辆进⾏检测，再⽤deepsort对其跟踪，⽽后设计⼀系列的规则撞线进⾏两个⽅向的车流数量统计。
⽹上实现的⽅式有很多种，效果⼤同⼩异，可以择优选择学习。
⼀、实现原理基于之前的yolo+deepsort上，将person类别改为车辆类别，因为coco数据集中，车辆类别有⼏种【car，bus，truck】，所以都要保存下来。
⾸先来看⼀下yolov5+deepsort的车辆跟踪初始效果，看着密密⿇⿇的框和id，思考⼀下该如何去设计这些规则进⾏统计。
⾸先观察图中，需要构建⼀个区域对经过的车辆进⾏统计，因为有两个⽅向，所以这⾥构建了黄、蓝两个区域，因为考虑到路⾯并不是规则矩形，所以构建的是多边形区域。
mask掩码代码如下：def draw_mask(height,width):# 根据视频尺⼨，填充⼀个polygon，供撞线计算使⽤mask_image_temp = np.zeros((height, width), dtype=np.uint8)# 初始化2个撞线polygon 蓝⾊list_pts_blue =[[277,305],[926,308],[983,344],[220,335]]# 蓝⾊多边形坐标，可根据⾃⼰的场景修改ndarray_pts_blue = np.array(list_pts_blue, np.int32)polygon_blue_value_1 = cv2.fillPoly(mask_image_temp,[ndarray_pts_blue], color=1)# 构建多边形polygon_blue_value_1 = polygon_blue_value_1[:,:, np.newaxis]# 填充第⼆个polygon 黄⾊mask_image_temp = np.zeros((height, width), dtype=np.uint8)list_pts_yellow =[[220,335],[983,344],[1030,370],[170,356]]# 黄⾊多边形坐标，可根据⾃⼰的场景修改ndarray_pts_yellow = np.array(list_pts_yellow, np.int32)polygon_yellow_value_2 = cv2.fillPoly(mask_image_temp,[ndarray_pts_yellow], color=2)# 构建多边形polygon_yellow_value_2 = polygon_yellow_value_2[:,:, np.newaxis]# 撞线检测⽤mask，包含2个polygon，（值范围 0、1、2），供撞线计算使⽤polygon_mask_blue_and_yellow = polygon_blue_value_1 + polygon_yellow_value_2# 缩⼩尺⼨，1920x1080->960x540polygon_mask_blue_and_yellow = cv2.resize(polygon_mask_blue_and_yellow,(width, height))# 蓝⾊盘 b,g,rblue_color_plate =[255,0,0]# 蓝 polygon图⽚blue_image = np.array(polygon_blue_value_1 * blue_color_plate, np.uint8)# 黄⾊盘yellow_color_plate =[0,255,255]# 黄 polygon图⽚yellow_image = np.array(polygon_yellow_value_2 * yellow_color_plate, np.uint8)# 彩⾊图⽚（值范围 0-255）color_polygons_image = blue_image + yellow_image# 缩⼩尺⼨，1920x1080->960x540color_polygons_image = cv2.resize(color_polygons_image,(width, height))return polygon_mask_blue_and_yellow,color_polygons_image最后掩码图如下，后⾯我们会告诉这个掩码怎么使⽤。
几种主流的交通流量检测方案的比较
几种主流的交通流量检测方案的比较目前市场上主要的交通流量检测手段有：环形线圈、微波检测、视频检测，无线地磁检测等其他检测器，下面我们逐个来分析其优缺点。
1、基于线圈技术原理：以金属环形线圈埋设于路面下，利用车辆经过线圈区域时因车身铁材料所造成的电感量的变化来探测车辆的存在。
该探测技术可测车速，车流量，占有率等基本交通信息参数，但是不能多车道同时探测。
安装：埋设式。
在路面开一条深槽，将探测线圈埋入其中，信息处理部分安装于路边的控制箱。
优点：首次投资较少、准确度高、不受气候和光照等外界条件影响。
缺点：安装与维修因为需要中断交通、破坏路面而变得很复杂，加上车辆重压等因素导致寿命不长，因而维护成本很高。
另外特殊路段如桥梁、隧道等难以安装。
技术：最简单也最成熟应用成本：首次投资相对较少，维护成本极高。
应用范围：可应用于除不能破坏路面情况外的所有地方。
与其他系统的兼容性：与交通信号灯控制系统兼容性很好，但是与基于其它技术的交通信息采集系统的兼容性较差。
目前常规的线圈交通信息检测系统信息传输采用的是轮循，而基于其它技术的系统主要采用的是主动上报的方式。
2、基于视频技术原理：使用计算机视频技术检测交通信息，通过视频摄象头和计算机模仿人眼的功能，在视频范围内划定虚拟线圈，车辆进入检测区域使背景灰度发生变化，从而感知车辆的存在，并以此检测车辆的流量和速度。
该探测技术可测车速，车流量，占有率等基本交通信息参数，但是难以实现很多车道同时探测。
安装：正向安装于龙门架或者L型横梁上。
优点：在气候和光照等外界条件理想的情况下准确度高。
缺点：极易受气候和光照等外界条件等影响，因为需要正向安装于龙门架或者L型横梁上而使得安装与维修变得很复杂。
技术：不成熟，主要问题是要克服外界条件的影响。
应用成本：首次投资相对线圈要高，但是维护成本很低。
应用范围：可应用于能架设龙门架或者L型横梁的所有地方。
与其他系统的兼容性：好。
3、基于微波雷达技术基于微波雷达技术的交通信息采集系统可分为侧向安装与正向安装2种。
公路交通流量调查
公路交通流量调查公路交通流量是指一定时间内通过公路的车辆数量，对于城市交通管理和规划具有重要意义。
为了更好地了解公路交通状况并采取相应措施，进行一次准确的公路交通流量调查是必不可少的。
本文将围绕公路交通流量调查的目的、方法和分析等方面展开叙述。
1. 调查目的公路交通流量调查的目的是为了全面了解公路的交通运行状况，从而得出准确的交通流量数据。
通过调查结果，可为城市交通规划和管理部门提供有效的参考依据。
在实际调查中，需明确调查的具体目标，如了解某个地区某个时间段内的交通流量，或者研究某条道路上各类车辆的通行情况。
2. 调查方法公路交通流量调查可采用多种方法，根据实际情况选择合适的调查方式。
以下是几种常见的调查方法：2.1 原始数据记录法该方法适用于对交通流量进行长时间观测的情况，可以利用摄像机、地磁感应器等设备收集原始数据。
通过对数据的分析和整理，得出相应的交通流量统计结果。
2.2 交叉口调查法选取特定的交叉口进行调查，通过观察和记录车辆通行情况，包括车辆类型、车流量及通行速度等。
这种方法对于统计短期内的交通流量非常有效，并可通过多个交叉口的调查结果综合判断整体交通流量。
2.3 实地调查法通过实地调查人员对道路上行驶的车辆进行手工记录，包括车辆的类型、车牌号等信息。
这种方法相对简便，但需要投入大量人力物力。
2.4 问卷调查法通过针对道路用户的问卷调查，了解他们的出行时间、出行方式等信息，从而推算出交通流量。
这种方法相对直观，但要求样本数量较大才能获得较准确的结果。
3. 数据分析对于公路交通流量调查得到的数据，需进行充分的分析和处理，以得出有价值的结论。
分析过程中应考虑数据的准确性、可靠性和代表性，同时还要结合其他因素进行综合考量。
3.1 交通流量拥堵分析通过分析交通流量数据，可以得知某个时间段内交通流量的高峰期，进而判断是否存在拥堵情况。
拥堵分析有助于交通规划和管理部门采取相应措施，提高道路通行效率。
车流量检测方法纵览
车流量检测技术综述胡明亮1，李飞飞2 ，钟德浩3（1、江西方兴科技有限公司，江西南昌330003）（2、江西省高等级公路管理局泰井管理处，江西南昌330003）（3、江西省高等级公路管理局瑞赣养护中心，江西南昌330003）摘要：车流量检测是交通管理与控制的基础。
在综述了车流量检测的传统方法、技术特点和存在的问题后，重点分析了基于视频图像的车流量检测技术，并对其发展趋势进行了展望。
关键词：信息工程；视频图像；车流量检测；数字图像处理0 前言城市智能交通已逐步得到社会各界的广泛关注，如何通过智能交通系统建设来缓解日益严重的交通问题已成为交通领域的研究热点。
车流量检测系统是智能交通(ITS)的基础部分，在城市道路建设、国道高速公路建设、隧道桥梁建设以及交通流的基础理论研究中占有很重要的地位。
近年来，逐渐发展起来了以空气管道检测技术、磁感应检测技术、波频检测技术和视频检测技术等[1～2]为代表的多种交通检测技术[3]。
车流量检测主要是通过各种传感设备对路面行驶车辆进行探测，获取相关交通参数，以达到对公路各路段交通状况及异常事件的自动检测、监控、报警等目的。
较其它方法而言，基于视频图像的检测技术涉及到视频采集、通信传输、图像处理、人工智能以及计算机视觉等多个学科，具有安装维修灵活、成本低、应用范围广、可拓展性强和交通管理信息全面等优点，并已经在国内外高速公路和公路的交通监控系统中得到应用。
常用的基于视频图像的车辆检测算法有：灰度法、背景差法、相邻帧差法、边缘检测法[4]等。
随着图像处理技术、计算机视觉、人工智能的发展和硬件处理速度的提高，基于视频图像的车流量检测技术得到了广泛的应用。
本文对各种车流量检测方法进行了综述，并对基于视频图像的车流量检测研究工作进行了展望。
1 传统车流量检测方法按照车辆信息获取方式的不同，实际应用当中已经产生了空气管道检测技术、磁感应检测技术和波频检测技术。
1.1 空气管道检测技术空气管道检测是接触式的检测方法，在高速公路主线的检测点拉一条空心的塑料管道并作固定，一端封闭，另一端连接计数器，当车辆经过塑料管道时，车轮压到空气管道，管内空气被挤压而触动计数器进行计算车流量的方法。
车流量检测技术综述
车流量检测技术综述前言城市智能交通已逐步得到社会各界的广泛关注，如何通过智能交通系统建设来缓解日益严重的交通问题已成为交通领域的研究热点。
车流量检测系统是智能交通(ITS)的基础部分，在城市道路建设、国道高速公路建设、隧道桥梁建设以及交通流的基础理论研究中占有很重要的地位。
近年来，逐渐发展起来了以空气管道检测技术、磁感应检测技术、波频检测技术和视频检测技术等为代表的多种交通检测技术。
车流量检测主要是通过各种传感设备对路面行驶车辆进行探测，获取相关交通参数，以达到对公路各路段交通状况及异常事件的自动检测、监控、报警等目的。
较其它方法而言，基于视频图像的检测技术涉及到视频采集、通信传输、图像处理、人工智能以及计算机视觉等多个学科，具有安装维修灵活、成本低、应用范围广、可拓展性强和交通管理信息全面等优点，并已经在国内外高速公路和公路的交通监控系统中得到应用。
常用的基于视频图像的车辆检测算法有：灰度法、背景差法、相邻帧差法、边缘检测法等。
随着图像处理技术、计算机视觉、人工智能的发展和硬件处理速度的提高，基于视频图像的车流量检测技术得到了广泛的应用。
本文对各种车流量检测方法进行了综述，并对基于视频图像的车流量检测研究工作进行了展望。
1 传统车流量检测方法按照车辆信息获取方式的不同，实际应用当中已经产生了空气管道检测技术、磁感应检测技术和波频检测技术。
1.1 空气管道检测技术空气管道检测是接触式的检测方法，在高速公路主线的检测点拉一条空心的塑料管道并作固定，一端封闭，另一端连接计数器，当车辆经过塑料管道时，车轮压到空气管道，管内空气被挤压而触动计数器进行计算车流量的方法。
显然，该方法只能获取单一的车辆信息，且方法繁琐，寿命短，已经被磁感应检测等技术所取代。
1.2 磁感应检测技术磁感应检测器可分为线圈和磁阻传感器两种。
环形线圈检测器是目前世界上应用最广泛的一种检测设备，由埋设在路表下的线圈和能够测量该线圈电感的电子设备组成。
高速公路收费系统中的车流量检测与计费技术
高速公路收费系统中的车流量检测与计费技术高速公路收费系统是现代交通运输领域重要的组成部分，其主要目的是准确计算车辆行驶距离并按照车型、车辆类型等因素收取相应费用。
车流量检测与计费技术是保证收费系统准确性和效率的关键因素之一。
本文将着重探讨车流量检测与计费技术在高速公路收费系统中的应用与发展。
一、车流量检测技术的种类在高速公路收费系统中，车流量检测技术的种类非常多样。
常见的车流量检测技术包括传感器检测技术、视频图像处理技术和无线通信技术。
1.传感器检测技术传感器检测技术是通过在道路上部署传感器设备进行车流量检测的方法。
这些传感器可以采用不同原理，如磁性、压力、声波等，来检测过往车辆的数量和速度。
传感器检测技术具有响应时间短、精度高、可靠性强等优点，被广泛应用于高速公路收费系统。
2.视频图像处理技术视频图像处理技术是通过在高速公路的出入口等位置安装摄像头设备，采集车辆的图像信息，并通过图像处理算法进行车流量检测。
该技术具有实时性好、无需对道路进行改造等优点，逐渐成为高速公路收费系统中常用的检测技术之一。
3.无线通信技术基于无线通信技术进行车流量检测可以通过安装车载设备实现对过往车辆的自动识别和计数。
这种技术不需要对道路进行改造，可以避免堵塞和交通不便。
无线通信技术在高速公路收费系统中的应用越来越广泛，将成为未来的发展趋势。
二、计费技术的发展车流量检测技术是计费系统的基础，其准确性和效率直接影响到计费结果的准确性和高效性。
随着科技的不断进步，计费技术也在不断发展和完善。
1.自动计费系统自动计费系统是目前高速公路收费系统中被广泛应用的一种技术。
它通过车流量检测和车辆类型识别技术，自动计算车辆通过的距离和所需支付的费用，避免了传统人工计费系统的不足之处。
自动计费系统的优点是计费准确、速度快、效率高，提高了收费系统的整体水平。
2.电子支付技术随着电子支付技术的不断发展和普及，越来越多的高速公路收费系统开始引入电子支付方式。
车流量检测
T为隔离变压器，匝数比为1：1，三极管Ql和Q2组成共射极振荡器，电阻R3是两只三极管的公共射极电阻，并构成正反馈。
地感线圈作为检测器谐振电路中的一个电感元件，与车辆检测器的振荡回路一起形成L C谐振。
当有车辆通过时，将会使线圈中单位电流产生的磁通量增加，从而导致线圈电感值发生微小变化，进而改变LC谐振的频率，这个频率的变化就作为有汽车经过地感线圈的输入信号。
为了检测这个变化，常用的办法是通过单片机计算单位时间内的振荡脉冲个数来确定车是否到来。
在本设计中，需要检测两个地感线圈的频率变化，LM567的第5、6脚外接的电阻、电容决定了IC 内部压控振荡器的中心频率，fo=1／1．1RC 。
第1、2脚通常是分别对地接电容，形成输出滤波网络和环路低通滤波网络，其中第2脚所接电容决定锁相环电路的捕捉带宽，带宽的理论值可用此公式计算：( 3.1)式3.1中1U 是输入信号的有效值，2C 是滤波电容（单位为uF ），其值再乘上100%则是锁相环电路的实际捕获带宽。
当音频译码器LM567工作时，若输入的信号频率落在给定的通频带时，锁相环即将这个信号锁定，同时LM567的内部晶体管受控导通，8脚输出低电平，否则输出高电平。
当输入信号频率处于通频带内，LM567锁定，输出低电平。
通常在无车情况下，耦合电路的振荡频率会在一定的范围内保持不变，当车经过地感线圈时，使得耦合电路震荡频率发生变化，并且，随着车型的不同以及车本21201)(1070C f U BW身的铁质不均匀，使这个频率的变化也在一定的范围内浮动。
因此，通过实验，选择合适的LM567捕获带宽值，使得当无车时，输入信号频率虽有微小变化，但使这个浮动的频率都处于通频带内，LM567锁定，8脚输出低电平；有车到来时，频率发生剧烈的变化已不在通频带内，8脚就会输出高电平。
这时，对车辆是否到来的检测转化为对电平高低的检测，通过触发单片机的外部中断即可感知车辆的到来，而无需通过复杂的程序来区分此时的频率变化是否由车辆的到来所引起，大大降低了编程的难度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
车流量检测技术综述胡明亮1，李飞飞2 ，钟德浩3（1、江西方兴科技有限公司，江西南昌330003）（2、江西省高等级公路管理局泰井管理处，江西南昌330003）（3、江西省高等级公路管理局瑞赣养护中心，江西南昌330003）摘要：车流量检测是交通管理与控制的基础。
在综述了车流量检测的传统方法、技术特点和存在的问题后，重点分析了基于视频图像的车流量检测技术，并对其发展趋势进行了展望。
关键词：信息工程；视频图像；车流量检测；数字图像处理0 前言城市智能交通已逐步得到社会各界的广泛关注，如何通过智能交通系统建设来缓解日益严重的交通问题已成为交通领域的研究热点。
车流量检测系统是智能交通(ITS)的基础部分，在城市道路建设、国道高速公路建设、隧道桥梁建设以及交通流的基础理论研究中占有很重要的地位。
近年来，逐渐发展起来了以空气管道检测技术、磁感应检测技术、波频检测技术和视频检测技术等[1～2]为代表的多种交通检测技术[3]。
车流量检测主要是通过各种传感设备对路面行驶车辆进行探测，获取相关交通参数，以达到对公路各路段交通状况及异常事件的自动检测、监控、报警等目的。
较其它方法而言，基于视频图像的检测技术涉及到视频采集、通信传输、图像处理、人工智能以及计算机视觉等多个学科，具有安装维修灵活、成本低、应用范围广、可拓展性强和交通管理信息全面等优点，并已经在国内外高速公路和公路的交通监控系统中得到应用。
常用的基于视频图像的车辆检测算法有：灰度法、背景差法、相邻帧差法、边缘检测法[4]等。
随着图像处理技术、计算机视觉、人工智能的发展和硬件处理速度的提高，基于视频图像的车流量检测技术得到了广泛的应用。
本文对各种车流量检测方法进行了综述，并对基于视频图像的车流量检测研究工作进行了展望。
1 传统车流量检测方法按照车辆信息获取方式的不同，实际应用当中已经产生了空气管道检测技术、磁感应检测技术和波频检测技术。
1.1 空气管道检测技术空气管道检测是接触式的检测方法，在高速公路主线的检测点拉一条空心的塑料管道并作固定，一端封闭，另一端连接计数器，当车辆经过塑料管道时，车轮压到空气管道，管内空气被挤压而触动计数器进行计算车流量的方法。
显然，该方法只能获取单一的车辆信息，且方法繁琐，寿命短，已经被磁感应检测等技术所取代。
1.2 磁感应检测技术磁感应检测器可分为线圈和磁阻传感器两种。
环形线圈检测器是目前世界上应用最广泛的一种检测设备，由埋设在路表下的线圈和能够测量该线圈电感的电子设备组成。
车辆通过线圈，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等交通参数。
图1利用一个LC振荡器和一个通用单片机即构成了感应线圈检测系统。
当感应线圈的电感L发生变化时，LC振荡器的振荡频率也随之变化，由单片机获取其振荡频率并通过频率变化给出高/低电平信号来判断是否有车辆通过[5～6]。
磁阻传感器的基本原理是在铁磁材料中会发生磁阻的非均质现像（AMR）。
当沿着一条长且薄的铁磁合金带的长度方向施加一个电流，在垂直于电流的方向施加一个磁场，合金带自身的阻值会发生变化。
利用AMR磁阻效应生产的AMR磁阻传感器成功地将三维方向(x,y,z)的单个传感器件集成在同一个芯片上，并将传感器与调节、补偿电路集成，即可检测到地磁范围内低于1高斯的磁场，根据一些铁磁物体对地磁的扰动来检测车辆的存在或识别车辆类型[7～8]。
图1感应线圈检测系统磁感应检测技术不受恶劣天气气候、日照光线强弱影响，性能稳定，并已经广泛应用在交通数据统计、交通控制和诱导等方面。
但由于线圈固定埋设在地面，当车辆违章非正常骑线行驶时，相邻车道的两个线圈均感应到金属车体并产生误判，而且埋设感应线圈后，路面可维修性降低。
1.3 波频检测技术波频车辆检测是对车辆发射电磁波产生感应的检测方法（多为悬挂式检测系统）。
根据发射电磁波的不同可分为雷达（微波）检测、超声波检测和红外检测等。
1.3.1 雷达检测技车辆检测雷达是调频连续波（FMCW，Frequency Modulated Continuous Wave）雷达。
该雷达发出的电磁波频率随线性调制信号电压的变化而变化。
将该雷达安装在马路边的竖起高杆上，俯向下往各车道发射微波，并接收各车道上车辆反射回来的微波。
由于不存在多普勒频移，各车道上车辆和雷达之间的距离不同，反射回来的电磁波与当前雷达发射的电磁波频率之差也不同，雷达通过对中频信号进行频谱分析，并判断各车道对应频率分量的强弱即可知道各车道有没有车辆存在。
检测雷达安装示意图见图2。
图2 雷达车辆检测器安装图车流量检测雷达主要由天线、收发组件射频单元、线性调制FPGA单元、中频放大器、信号处理机、ARM系统控制显示装置等7个单元组成，系统组成见图3[9～10]。
图3 车流量雷达系统框图1.3.2 超声波检测技术超声波检测器是基于声波的传播和反射原理，通过对发射波和反射波的时差测量实现位移测量的设备。
由超声波发生器发射一束超声波，再接收从车辆或地面的反射波，根据反射波返回时间的差别，来判断有无车辆通过。
图4 超声波发射器（探头）的安装示意图由图4可见，每个车道上的超声波检测装备各有前后二个探头，根据车辆的通过进程，超声波探测结果分为如图5所示的三种形态：①等待车辆；②车辆进入检测区；③车辆到达第二检测点。
通分析这三种形态，即可得到整条道路的车辆速度与流量信息等[11]。
图5 超声波探测的三种形态1.3.3 红外检测技术红外检测器是顶置式或路侧式的交通流检测器，一般采用反射式检测技术。
反射式检测探头由一个红外发光管和一个红外接收管组成。
由调制脉冲发生器产生调制脉冲，经红外探头向道路上辐射，当有车辆通过时，红外脉冲从车体反射回来，被接收管接收后经过解调、放大、整流滤波后输出一个检测信号送入单片机[12～14]。
显然，以上三种基于波频检测的方法中，由于电磁波在传播过程中会随着传播距离而衰减，回波信号非常微弱，几乎被噪声淹没，而且实际应用中还存在误判、遮挡、安装复杂、不便于维护、车流信息量不足等问题。
因此，很多学者将研究目标转向基于视频图像的车流检测。
2 基于视频图像的车流量检测随着计算机技术、数字图像处理、人工智能和模式识别等技术的发展，计算机视频技术在交通信息检测中占据了越来越重要的地位。
目前常用的基于视频车辆检测算法主要有：灰度比较法、背景差法[15]、帧差法[16]、边缘检测法[17]。
它通过对数字图像的处理获取交通流量信息，主要有以下优点：1．能够提供高质量的图像信息，信息量大,可以高效、准确、可靠地完成道路交通的监视和控制工作。
2.安装视频摄像机方便、经济，现在国内许多城市道路已经安装了摄像机监控系统。
3.计算机视觉和数字图像处理技术发展迅速，满足了系统实时性、可靠性方面的要求。
基于视频图像的车流量检测技术的基本思想是在视频图片中的每条车道上设置一个固定区域作为虚拟的检测线，再对该区域内图像进行处理，完成对车辆信息的获取。
背景差法将当前输入帧图像与背景图像进行差值计算，以分离出车辆。
但背景图像需要实时刷新，影响因素较多。
帧差法则是对相邻两帧图像进行差值计算，但不能支除摄像头抖动引起的干扰，对静止或速度慢（两帧图像中车辆运动位移不明显）的车辆无法有效检测。
边缘检测法通过对帧图像进行边缘检测，以提取车辆的边缘特征进行识别。
该方法可在不同的光线条件下进行检测，但对于车辆边缘不明显或存在道路隔离带等干扰物体时可能造成漏检和误检。
以上三种传统方法的算法流程见图6。
图6 三种方法算法流程图针对传统方法的不足，文献[18]通过分析光照、车道和阴影等模型间的关系来判断车辆的存在，提出了基于彩色虚拟检测线的交通流信息视频检测方法。
文献[19]结合边缘检测法，在算法中采用预估校正、相关性修正等措施对帧差法进行改善。
文献[20]实时自动提取和更新背景边缘并采用动态开窗的方式，利用边缘信息作为车辆特征，提出了基于边缘信息的背景差车流量检测方法。
文献[21]结合光流法，根据光流场的信息判断车辆通过，提出了基于虚拟线圈的光流法车流量检测方法。
文献[22]利用摄像机标定原理，根据成像模型提出了基于计算机视觉的车流量检测算法。
3 基于视频图像的车流量检测研究展望基于视频图像的车流量检测技术有着广阔的应用前景,对城市道路建设、国道高速公路建设、隧道桥梁建设、交通流的基础理论与控制等都有着积极的支持作用。
但是，在绝大部分实际应用中都有漏检、误检问题，基于目前已提出的各种方法，尚无一种能得到完美的解决，这也给进一步的研究提出了挑战。
目前，基于视频图像的车流量检测研究主要集中在以下几个方面。
3.1 改进图像处理方法基于视频图像的方法中，图像处理过程均是它们的基础。
图像处理涉及噪声、光照条件变化、多物体遮挡、误识别以及图像处理速度与质量问题。
同时，为了获取诸如车辆速度、加速度等更多的信息，有些学者将研究目光转向光流法和计算机视觉理论[23]。
为了改进图像处理的质量和速度，提高抵抗噪声、光照条件变化等因素影响的能力，有些学者提出将图像处理的抽像层次提高到线的层次，计算直线和曲线的线流场,或是将基于特征的方法和基于光流场的方法相结合起来。
文献[24]认为点-线对应是对图像运动中孔径问题最可靠的解决办法，提出了线性规划点-线对应的方法计算运动。
文献[25]利用Hough变换点-线对偶性提出了空间直线的表示方法及直线线流场的解释，并就直线线流场的计算做了研究。
文献[26～28]给出了适合光流计算中二次曲线坐标概念，提出用分段二次曲线描述边缘，并计算得到二次曲线的光流。
采用物体上的线作为图像处理的特征基元，从理论上说，至少有两个优点：一是从噪声图像中进行特征线的提取将比点更加稳定，对噪声的敏感程度也将降低；二是物体上的线（特别是棱线）是物体的稳定特征，它几乎不受光照条件的影响。
随着线流场理论的不断完善、增加更多的约束信息以及计算方法的不断改进，该方法将有很强的实际应用意义。
3.2 采用立体视觉的方法现有的视觉监控中，几乎所有的研究都是基于单目影像对运动物体的监测与跟踪，所得到的运动信息存在一个深度尺度因子，要想得到绝对移动量，需要一个附加条件。
立体视觉研究的是由多目视频图像获取物体三维几何信息的方法，它符合人们观察物体的习惯，也能获得三维物体的景深信息。
建立双目或多目立体视觉运动分析所要解决的核心问题是模型中的立体匹配问题。
3.3 人工神经网络等方法的应用人工神经网络是一个超大规模非线性连续时间自适应信息处理系统。
近年来，基于人工神经网络的目标检测方法得到了极大的发展[29～31]。
基于人工神经网目标检测方法的基本思路是将每帧图像分割为m×n个图像块，预处理后将这些图像块投影到一个线性滤波器组，得到不同的图像模式；然后把这些不同的图像模式根据预先计算得到的聚类原形进行分类；最后用训练得到的神经网络分类器来判断图像模式是否包含目标。