智能交通攝像頭的智能化發展，讓交通攝像頭真正智能化。過去，交通攝像機是根據攝像機的原理構建的，是為工業系統和生產線的自動控制而設計的。它們的優勢在于成像效果高清、穩定性高、信噪比高，但沒有兼顧低照度和實時安防監控的要求，也沒有背光補償、強光抑制、自動白平衡等安防監控所需的各種功能。在現實生活中，隨著交通系統對車輛清晰抓拍的要求，同時要求具備相應的安防監控能力，交通攝像頭的智能化需求逐漸顯現。同時，隨著芯片技術的發展，一些企業對芯片進行了優化， 讓智能交通攝像頭產品越來越智能。除了圖像采集，目前的智能交通攝像機將更加注重違章檢測技術，如檢測交通流量、信號燈狀態、機動車違章和交通事故等。這些功能目前基本都可以在前置攝像頭中完成，可以大大降低人工執法的成本，相應提高執法判斷的準確性。

　　智能交通攝像頭的主要元素:車和人

　　在今年之前，對智能交通攝像頭的普遍理解是，交警行業更注重違法行為和證據鏈的有效性，而公安行業同時注重車輛特征和駕駛員的人臉信息，是公安監控的重要數據源之一。一些一線城市甚至嚴格要求人臉尺寸為100x100像素；

　　但在交警行業，由于證據鏈的主體只有車輛和違法流程，因此存在很多扣分的現象。在交通管理科學研究院發布的《闖紅燈自動記錄系統通用技術要求征求意見稿》中，我們注意到了更新的內容:“駕駛員面部特征采集”。這是對違法闖紅燈取證嚴謹性的標準更新。雖然是否會在新標準中實施還不得而知，但足以反映出標準制定部門對這一應用趨勢的認可?！恶{駛員面部特征采集》標準草案說明:系統應能記錄機動車闖紅燈行為對應的駕駛員面部特征圖片，駕駛員面部分辨率應不低于50×50像素， 可以作為認定機動車闖紅燈違法駕駛員的參考依據。對卡口過往車輛圖片中的駕駛員人臉進行特征切割，作為公安監控人臉數據庫的數據補充。這樣就對智能交通攝像頭的分辨率和清晰度提出了更高的要求。相信高清和超高清將是未來產品應用發展的一個趨勢。從功能設置上可以看出，這種變化也來源于交警行業的業務訴求:嚴密的違法取證證據鏈，規范的違法處罰流程，遏制駕駛積分非法交易。在發布的《基于交通技術監控記錄處理交通違法行為的指導意見》中，也有相應的要求:“通過辨認證據圖片、圖像或者當事人的書面陳述、簽名，詢問當事人，收集證人證言，審查當事人提供的證據，能夠認定機動車駕駛人的，應當固定證據，依法處罰駕駛人?！?/p>

　　智能交通已經進入大數據時代。利用前端數據采集設備采集的海量、多樣化數據，快速、深入地挖掘這些數據的潛在價值，已經成為智能交通的一個新的業務應用。在基于大數據的智能交通系統中，智能交通攝像機作為前端數據采集設備之一，承擔著結構化過往圖片、視頻中車輛特征非結構化數據的重要任務，每一個結構化的過往數據都會成為后端大數據平臺中數據計算的基本元素。這就要求智能交通攝像頭具備更多的特征采集功能，比如車牌號、車身顏色、車輛識別，甚至詳細的車型識別。在大數據應用業務中，我們可以進行查詢、檢索、 通過多條件組合等計算模型，基于這些屬性進行判斷等服務。

　　智能交通攝像頭的智能化時代(10年以來)此時，我們迎來了智能化時代，攝像頭真正成為了“有腦子的智者”。主要體現在以下幾個方面:

　　首先，前端只有一個攝像頭。攝像頭采用H.264+JPEG雙碼流技術，其中H.264視頻流用于車輛檢測，JPEG用于車輛抓拍，從而整合了前兩個攝像頭的工作。同時，攝像頭內置DSP處理芯片，集車輛檢測、抓拍、圖片識別于一體，兼容處理主機的工作。真正實現了集成，降低了系統成本，給網站建設和整個系統的穩定性帶來了革命性的變化；

　　其次，利用車輛軌跡跟蹤算法，與虛擬線圈相比，跟蹤算法可以實現更規則的檢測和更精確的檢測；通常使用背景建模和前景建模技術。背景建模是基于背景檢測的技術:當沒有車輛通過視頻檢測窗口時，視頻顯示出道路、路邊建筑物、樹木等物體的成像特征，這些特征在相鄰幀的視頻流中發生微小變化，因此可以檢測相鄰視頻序列中設定區域的圖像特征變化，確定車輛的進入、停留、移動、變化、離開等事件特征，從而實現系統抓拍。優點是計算量??；實現簡單；對系統處理單元的要求不高，適合嵌入， 這對提高捕獲系統的整體穩定性具有重要意義。缺點是檢測指標不穩定，易受天氣、光線、陰影、非機動車要素、成像設備抖動、傳輸鏈路噪聲、車輛行駛特性等因素干擾，出現漏抓、多抓、錯抓等問題；

　　前景建模有兩種，包括車輛檢測和車牌檢測?；谇熬皺z測的車輛檢測技術實現源于以下設置:當車輛通過視頻檢測窗口時，車輛特征會在一定時間段內連續出現在視頻序列中的特定區域，進而判斷車輛進入、滯留、移動、變化、消失等事件特征，實現系統抓拍。優點是對有車牌的車輛檢測準確率高，檢測性能穩定，能很好地適應各種天氣、光線、陰影、非機動車元素、成像設備抖動、傳輸鏈路噪聲和車輛行駛特性的干擾。缺點是無法檢測無牌照車輛；與此同時， 它受制于圖像整體大視野中車牌特征的穩定性變化。比如當車牌變得無法識別時，無法給出更詳細的車輛行駛特征，從而失去對深層行為的判斷能力；

　　車輛檢測是前景建模的另一種方式，基于前景檢測技術實現。車身檢測特征是指車身作為前景檢測特征，如車身中的顏色、線條、交叉點等；優點是靈活性和魯棒性高，可以檢測無牌照車輛，還可以更詳細地檢測車輛行駛特征，進行深度數據挖掘；不像車牌檢測法那樣穩定，占用大量系統資源，對處理器性能要求高。隨著裝載量的降低，系統整體性價比不高。