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

　　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。

　　智能交通攝像頭的各種產品形態；

　　1.我們理解的智能交通攝像頭是卡口式和電子式的。但隨著城市建設的推進和車輛保有量的增加，智能交通攝像頭的應用場景進一步細分，使得原有的傳統產品形態已經不能滿足所有細分需求，因此產品形態也需要創新和突破；

　　2.從這個維度來看，智能交通攝像頭在產品形態上確實有了很大的突破，無論是成像傳感器品類還是產品外觀，都有別于傳統解決方案。比如傳統的智能交通攝像機，往往采用電荷耦合器件作為成像元件，因為智能交通攝像機拍攝的對象是快速移動的車輛，電荷耦合器件用于全局曝光成像，配合光線補償設備和高速快門，保證拍攝的畫面清晰無拖尾現象。而以CCD傳感器為成像元件的智能交通攝像機，價格要比普通網絡攝像機貴很多?；诠舶踩O控工程對城市大面積道路小路段卡口的需求， CCD標準卡口設備的使用將大大增加項目的整體預算?；诖?，時宇科技還在業內率先將車輛檢測、車牌識別等算法植入基于互補金屬氧化物半導體成像的網絡攝像機，并創新性地推出了高性價比的分支卡口器件。作為智能交通攝像機的重要分支，時宇技術已經廣泛應用于城市次干道和小街道等項目中。通過雙快門的技術，可以保證24小時清晰抓拍過往車輛，自動識別車牌，上報過往記錄等結構化信息。

　　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。

　　隨著攝像頭技術的不斷發展，高清攝像頭開始普及，智能交通攝像頭也進入了高清時代。此時，交通攝像頭可以在電子系統中連續抓拍三張圖片，從而記錄車輛的違法過程。并且抓拍的畫面分辨率達到1080p，紅燈、車牌、停車線清晰可見，可以滿足警察的實際需求。同時，檢測方式也與線圈分離，實現視頻檢測。