摘要：针对城市道路环境下的排队车辆检测问题，提出一种基于边缘信息和局部纹理特征的综合检测方法。根据交通环境的特点，对比5种不同边缘检测方法的性能，采用Canny算法提取边缘信息，采用改进的LBP方法提取纹理特征，得到车辆的综合检测结果，提取车辆排队长度和车道占有率等交通参数。分别采用综合检测方法、高斯混合模型和帧差法处理快速路、交叉路口、阴雨天气、光线突变、大雪天气、浓雾天气等场景下的视频图像，并采用ROc曲线对检测性能进行量化评价。分析结果表明：在快速路和大雪天气场景中，3种方法检测性能基本相似，最佳检测率分别接近90．0％和60．0％，虚警率分别不超过5．0％和10．0％；在交叉路口场景中，3种方法的最佳检测率分别为77．1％、31．5％、13．6％，虚警率分别为16．5％、3．2％、19．0％；在阴雨天气场景中，3种方法的最佳检测率分别为65．2％、3．0％、62．4％，虚警率分别为10．5％、5．0％、56．5％；在光线突变场景中，3种方法的最佳检测率分别为62．0％、18．9％、39．7％，虚警率分别为10．8％、55．1％、36．0％；在浓雾天气场景中，当能见度较低时，3种方法的检测率和虚警率均接近于0。

关键词：交通检测 交通参数 城市道路 纹理特征 roc曲线 

单位：西北工业大学自动化学院; 陕西西安710072