但是，從系統建設規模與投資來看，這個看似技術門檻較低的分支，卻始終處于高速增長的通道中，這就說明了中國智能交通行業的用戶一直保持著高度理智，不盲目。
 

現在，交通監控領域里最熱的是智能視頻分析技術，經過多年的探索與嘗試，全國各地交通管理部門沒有狂熱，始終清醒、科學地看待這項新技術的發展和使用。

（圖片源于網絡）

從上世紀90年代起，視頻智能分析技術的雛形產品開始被逐漸的應用到交通監控領域中，伴隨著監控系統數字化、高清化以及大規模化的進程，其技術已日趨成熟，逐步完成了從概念產品向市場產品的轉化。

具備視頻分析功能的圖像采集或處理設備的應用，實質上是為我們提供了一種更直觀、更智能的感知手段，讓我們能夠快速了解、發現、定位到我們所需要關注的人、車、路、環境、事件的相關信息，從而為交通管理和公眾出行提供決策及數據支撐。

交通管理的對象是廣闊的交通監管區域、差異化的交通環境、復雜的交通組成要素以及素質參差不齊的交通參與者，需要從保障交通安全、提高通行效率、加強交通信息服務這三個業務維度出發，并發考慮，實時感知這些信息并加以合理的分析和利用。
 

從業務視角看，交通管理業務對智能視頻技術的需求大體可以分為三類：

但是，在欣喜于智能視頻分析技術為交通管理相關業務帶來的變革的同時，我們卻不得不正視現階段智能視頻分析技術仍處于發展的初級階段的這個事實。其智能化的程度還遠遠沒有達到人們的預期，漏檢測、誤檢測等情況時有發生，眾多寄希望于通過智能分析技術解決的難題還沒有找到合適的突破口。

因此，只有理性看待交通監控中的智能視頻分析技術，合理的利用或者輔助人工應用，才是有益于技術創新、實戰應用和行業發展的。我們把交通監控中的智能視頻分析技術大致分為以下幾類：

● 實用型技術

目前看，車牌識別技術、車輛跟蹤技術已經在交通監控中獲得了實用。

車牌識別技術主要指從視頻圖像中捕獲車輛號牌，并對號牌號碼及號牌顏色進行識別，行業內主流廠家的識別率都能穩定在90%以上，部分專精于該項技術的廠家能穩定在95%以上。

車輛跟蹤技術主要指在視頻圖像中捕獲車輛并跟蹤車輛在圖像中的運行軌跡，以辨別車輛是否存在交通違法行為，如：不按導向車道行駛、逆行、壓線、闖紅燈等。行業內主流廠家的捕獲率及捕獲有效率都能穩定在80%以上，部分專精于該項技術的廠家能穩定在90%以上。

這樣的性能指標，是能滿足交通管理部門的日常工作開展需要。但是，實用性技術并不代表就不需要提升和優化。

車牌識別技術還可以在小車牌識別、模糊車牌識別、非標準視場角車牌識別、紅外成像車牌識別等諸多細分領域進行探索。車輛跟蹤技術還可以在寬域視場車輛跟蹤、多視場車輛連續跟蹤、單域視場多車跟蹤、復雜軌跡判定等諸多細分領域進行探索。

● 探索型技術

在這個技術圈里，目前看得到的是車身顏色識別技術、車輛標識識別技術及車型分類識別技術。

車身顏色識別技術主要指從視頻圖像中提取車輛的車身顏色。然而實際的車身顏色識別受噪聲、環境光照等因素影響很大,給車身顏色識別的精度造成很大影響,甚至無法正確的識別出車身顏色。

目前行業內主流廠家能夠實現對白、灰、黃、粉、紅、紫、綠、藍、棕、黑等10種常見車身的識別，但識別率基本只能維持在60%左右，部分專精于該項技術的廠家能穩定在70%以上。

車標識別技術主要指從視頻圖像中提取車輛的車標信息。車標識別技術包括車標定位及車標識別兩項關鍵技術。

由于受車輛圖像的自然背景和車身背景、光照條件、天氣條件等因素的影響,車標定位成為車標識別技術中一個極具挑戰性的課題。目前僅有少數廠家推出了車標識別產品，能夠對較常見的十多種車標進行自動識別，但識別準確率還有待提高。

車型分類技術主要指從視頻圖像中提取車輛的車型信息。目前行業內大部分廠家的僅能區分大型車和小型車，小部分專精于該項技術的廠家經過不懈的探索已經能夠做到對大客車、大貨車、小貨車、面包車、轎車這五種機動車類型的分類識別，同時還能夠區分出非機動車輛和行人。

● 預研型技術

伴隨著智能視頻分析技術的不斷發展，人們在認可其帶來的成果的同時對他的期望也越來越高，都寄希望于能夠通過視頻分析技術來攻克更多的之前沒有辦法解決的交通管理方面難題。

如通過視頻分析技術分析人臉面部特征的變化來判斷駕駛員是否處于疲勞狀態，及時預警，以減少因疲勞駕駛造成的交通事故；再如通過視頻分析技術自動發現高鐵受電弓和弓網的異常狀態，實時報警，以降低人工排查的時間，保障高鐵的準點運營等。

部分專注于為交通管理提供智能視頻分析服務的廠家已經開始投身于這些新技術的預研，除人臉疲勞識別技術、高鐵受電弓狀態檢測技術外，駕駛員人像識別、系安全帶自動識別、公交上下客流統計等技術也被列入技術預研行列，相信在不久的將來這些技術將為交通管理帶來新的氣象。