陈 艳，严 腾，宋俊芳，宋焕生

(1.长安大学 信息工程学院，西安 710064； 2.长安大学 外国语学院，西安 710064； 3.西藏民族大学 信息工程学院，陕西 咸阳 712082)(*通信作者电子邮箱373433788@qq.com)

0 引言

智能交通监控系统需构建一个准确、高效的交通信息采集系统，而夜间车辆检测是交通信息采集系统中不可或缺的组成部分，可为车型分类、交通事件检测、交通流调查等提供有效信息。近年来国内外诸多研究对车辆检测开展了深入的探索，建立了基于环形线圈、雷达[1-4]和机器视觉的车辆检测方法。基于环形线圈的检测精度高、检测简单但灵活性差、功能单一，基于雷达的检测虽不受天气光照的影响但维护复杂，基于机器视觉的检测方法具有丰富的信息含量且成本代价低，因此基于机器视觉的车辆检测方法应用最为广泛。

针对视频车辆检测的特征，基于机器视觉的车辆检测方法一般分为基于背景模型的检测、基于颜色亮度模型的检测和基于几何特征模型的检测。基于背景模型的车辆检测主要是通过背景差、帧差、混合高斯模型或ViBE(Video indexing and Browsing Environment)算法等全局图像检测车辆。Yang等[5]采用基于边缘的背景差分法和基于区域的背景差分法，利用支持向量机(Support Vector Machine, SVM)进行车辆检测分类。Zhang等[6]采用三帧图像差分法检测车辆，通过深度卷积神经网络识别车辆类型。Basri等[7]提出通过调整交通拥挤下检测的感兴趣区域，采用优化后的高斯混合模型(Gaussian Mixture Model, GMM)检测车辆，从而实现对车辆的计数分析。Wei等[8]利用ViBE背景模型提取背景，根据形态学图像处理方法检测运动车辆。……