1、智能交通之交通流量计数研发汇报经过智能识别小组的研发和改进，目前交通流量统计经历了三个阶段性版本，这三个版本围绕车辆分割问题，不断的进行提升和改进。本文对此进行一个总结。-1. 第一阶段版本：此版本通过检测区域的形状宽度剧烈变化进行车辆分割，通过先验知识规划的决策器来输出这个区域内有几辆车。图1 形状宽度剧烈变化，通过先验知识规划的决策器输出这是两辆车优点：从此阶段开始，系统可以对靠近的车辆区域进行分割，是一个里程碑。缺点：由于决策器并非通过大量样本训练，而是通过人为总结规划的先验知识，只有当形状变化剧烈的时候，才可以将车辆分开。-2. 第二阶段版本：此版本通过检测区域的轮廓拐点进行编码，通过2、先验知识来对这些编码对区域中车辆的数目进行统计。 图2对区域的轮廓拐点进行编码，通过先验准则分割出这是三辆车优点：在轮廓提取很理想的情况下，可以通过编码方式，通过先验模型匹配，很好的统计区域内车的数目。缺点：现实情况下，轮廓提取并非理想，存在噪音。在不同的摄像机角度下，编码模型需要适当调整。-3. 第三阶段版本（经过一些视频样本的测试，准确率在85%到95%之间）：由于通过先验知识的方法存在很多限制因素，进行车辆分割效果并不理想，于是针对每个车道统计的版本也相应研发出来。 图3对每个车道进行统计，极大了降低了前两种方法左右车道车辆靠近分割误差对系统造成的误差优点：由于对每个车道进行统计，解决了3、左右车道车辆分割问题，极大的降低了前两种方法左右车道靠近时，分割方法误差对系统造成的误差，准确率比前两种方法高。并且只对每个车道的检测区域进行计算，降低了计算量。缺点：只偏向提升了车辆左右分开，前后分开的算法仍待提升，仍需攻克。并且手动对每个车道进行绘制检测区域，操作相对前两种方法复杂。目前还需解决的问题：1. 运动目标前景提取的算法仍需提升，整个识别系统依赖与运动目标检测来将目标检测出来进行分析，非常关键，目前的运动目标前景对以下情景效果仍需攻克a) 运动目标的颜色和背景相似，难以区分b) 摄像机抖动c) 噪音干扰2. 对于车辆大小相似，排队并且“鱼贯而入”，拥挤复杂的场景下，仍需通过先验知识来进行车辆分割，这些部分仍需提升。3. 针对7*24小时运行全天候遇到的情景（夜晚，大雾，下雨，下雪等），仍需研发，或者建议甲方在遇到非晴天天气时，暂时关闭分析功能。总结目前第三阶段版本（对每个车道独立统计）的方法，相比前两种方法，准确率有明显的提升，对每个车道进行单独分析从而避开了图像上难以解决的车辆分割问题，在准确率上比前期的要有所提高，国外Traficon, Autoscope, Iteris等公司采用的方法也采用相似方法来解决此类问题。附件附件中包含目前第三阶段方法的测试结果运行录像，请审阅。