1.一种轻量级的全息道路交通状态视觉检测装置，其特征在于：包括安装在路网上各个道路上的各个测量点的视觉传感器、用于根据视觉传感器的视频数据进行评价道路交通状态的微处理器，所述的视觉传感器通过所述的视频接口与所述的微处理器连接，传送单元将交通状态检测和计算结果通过所述的通信单元发送给信号灯控制单元和交通状态发布单元；所述的微处理器包括：视频图像获取单元，用于获取初始化信息和视频图像；

视觉传感器的标定、车道和车道行驶方向的定制模块，用于标定配置在道路上的视觉传感器、定义道路行驶方向属性、车道方向变更属性、车道编排属性、在车道纵向方向上的空间位置属性和在车道横向方向上的空间位置属性；

采样点的自动生成、灰度值检查及采样点位置微调模块，用于对定制好的车道范围内自动生成空间均匀的采样点，对生成的采样点灰度值进行一致性检查，对偏离灰度值的采样点进行空间位置调整；

基于采样点的道路背景建模模块，用于对代表车道背景进行建模，便于后续提取出存在采样点；

存在采样点检测模块，用于对车道上的前景对象进行检测，采用背景差法从采样点图像中检测出tn时刻的存在采样点，提取出代表前景对象在车道空间分布的存在采样点；

存在采样点滤波处理模块，用于对车道空间分布的存在采样点以车辆模型进行滤波处理，去掉一些孤立的采样点以及其他干扰，得到反映道路车辆密集程度的存在块；

移动存在采样点检测模块，用于以帧间差法从前后序列图像中检测出tn时刻的移动存在采样点，从时域角度对车道上的运动前景对象进行检测，提取出代表运动前景对象在车道空间分布的移动存在采样点；

静止存在采样点检测模块，用于以存在采样点和移动存在采样点的差计算出各车道的静止存在采样点，从时空角度对车道上的静止前景对象进行检测，提取出代表静止前景对象在车道空间分布的静止存在采样点；

车流量检测处理模块，用于以存在块通过某一车道断面的车辆进行统计，得到实时的交通流量数据；

车速检测处理模块，用于以移动存在采样点的空间排列规律对车道上某一个区域内通过的车辆速度进行估算，得到实时的通过某一车道断面的平均车速；

车间距检测处理模块，用于以统计存在块之间的间隔长度和存在块的数目，得到实时的车道车间距；

静止存在采样点滤波处理模块，用于对车道空间分布的静止存在采样点以车辆模型进行滤波处理，去掉一些孤立的非静止存在采样点以及其他干扰，得到反映道路拥堵程度和排队长度的静止存在块；

所述的车道的拥堵区域及拥堵持续时间检测模块，用于以静止存在块在各车道空间的分布情况检测拥堵区域和时间域上检测静止存在块在各车道空间的持续时间；

道路拥堵状态检测模块，用于检测道路上某一个时刻某一个行驶方向的拥堵状态和道路服务水平。

2.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的视觉传感器的标定、车道和车道行驶方向的定制模块，首先从视觉传感器获得的图像中根据车道标记在车道的近处垂直于车道方向上选择两个车道边缘点，接着在车道的远处垂直于车道方向上选择两个车道边缘点，将这四个边缘点进行连接构成车道检测区域；然后根据实际车道行驶方向和车道的位置输入相关属性信息，如直行、左转、右转、内侧第一车道、内侧第二车道、内侧第三车道等；最后对所述的视觉传感器进行标定；

将视觉传感器配置在车道的上方10米左右处，与车道方向平行，向下斜对准车道，同时视觉传感器的成像平面的水平轴与地平面平行，这里采用奇次坐标对视觉传感器进行标定，计算公式如式（1）所示，式中，(xi,yi)为图像平面上像素点的位置，(x,y,z)为道路地面上的位置，在视觉传感器标定过程中，选取6个已知点来求得参数bij；为了解决参数非唯一性问题，这里规定b34=1；从简化计算提高实时性考虑，这里忽略场景中前景对象，如车辆的高度的影响，即z=0，因此，摄像机的标定问题就简化为建立道路平面与成像平面之间映射关系问题；

在定制车道时，在图像平面上选择车道上四边形的四个顶点，即得到了四个边缘点坐标信息，然后通过实际量测获得所定制车道四边形的宽度和长度值，根据其坐标值求解四组方程式，求得参数bij；采用公式（2）来实现视觉传感器的式中，bij为标定参数，(xi,yi)为图像平面上像素点的位置，(x,y,z)为道路地面上的位置。

3.如权利要求1或2所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：

所述的采样点的自动生成、灰度值检查及采样点位置微调模块，用于对定制好的车道范围内自动生成空间均匀的采样点，对生成的采样点灰度值进行一致性检查，对偏离灰度值的采样点进行空间位置调整；通过视觉传感器的标定，建立了空间道路上的点与图像平面上的像素点的映射关系；为了准确地检测道路交通状态，要求在车道上均匀生成采样点，生成的采样点之间的间隔为0.5米左右；

进行定制的采样点灰度值检查，在定制车道以及车道上的采样点后，考虑到通过图像处理技术要将采样点进一步区分为存在采样点和非存在采样点，区分这两者是通过采样点的灰度阈值进行的；道路上的灰度值基本上是趋于一致的，因此统计在没有车辆情况下车道上的所有采样点的灰度值并求其平均值 作为初始背景值 即作为非存在采样点的灰度值；

考虑到车道上会有一些道路标志，即道路标志的灰度值与车道上路面的灰度值不同，如果采样点正好落在道路标志上会给后续背景更新带来检测误差；因此，需要对所有定制的采样点进行灰度值检查，如果某一个采样点的灰度值 偏离其初始背景值 即就要变更该采样点的位置，变更的方法是垂直于车辆行驶方向逐步移动采样点，使得该采样点的灰度值 满足 遍历所有采样点后，将 作为每个采样点

的初始背景灰度值这里将车道按车辆行驶方向分成长度比例为2:3:5的远、中、近三段区域，各区域内平均生成行数和列数一致的采样点。

4.如权利要求1或2所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：

所述的基于采样点的道路背景建模模块，用于对代表车道背景进行建模；由于在定制采样点时在车道上均匀地定制了采样点，背景差分法可用于检测存在采样点，但背景差分法要求获取可靠的、稳定的采样点背景灰度值；道路定制区域的采样点受光照、天气等外界环境变化的影响比较大，需要对采样点背景灰度值进行实时更新；本发明采用离存在采样点最近的非存在采样点的灰度值来更新存在采样点的背景，实现一种轻量级、精准高效的背景更新方法，更新算法如公式（3）所示，式中，

为离该存在采样点最近的非存在采样的灰度值， 为tn时刻某采样点实际

测量灰度值， 为tn时刻某采样点背景灰度值， 为tn+1时刻某采样点背景灰度预测值。

5.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的存在采样点检测模块，用于对车道上的前景对象进行检测，采用背景差法从采样点图像中检测出tn时刻的存在采样点，提取出代表前景对象在车道空间分布的存在采样点；满足条件的采样点就判定为存在采样点，反之为非存在采样点，得到存在采样点图像En和非存在采样点图像

6.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的存在采样点滤波处理模块，用于对车道空间分布的存在采样点图像以车辆模型进行滤波处理，去掉一些孤立的采样点以及其他干扰，得到反映道路车辆密集程度的存在块；

为了消除车辆某些部位的前景灰度值与道路地面灰度值相近所造成的误判，即将静止存在采样点误判为非存在采样点的情况，根据车辆模型，车辆在采样点图像上是由若干个相邻的存在采样点构成的，通过过滤算法来消除那些孤立的非存在采样点；

根据车辆模型，车辆在采样点图像上是由若干个相邻的存在采样点构成的，通过过滤算法来消除那些孤立的非机动车和行人的静止存在采样点；

在消除了干扰和修正误判后，接着进行存在块的检测，所谓存在块是由相对集中的存在采样点所构成的，考虑到成像平面上的车辆模型，在道路上的车辆是由存在块的方式表现出来的；这里采用对各车道分别实施存在块的检测方式，检测存在块的方式是在成像平面上以每条行车线的开始端到末尾端进行检测的，在存在块的检测模块中，采用道路上的一般轿车大小作为匹配检测模版对存在块进行匹配检测，如果一般轿车大小在车辆的横向方向上占有3个采样点、在车辆的纵向方向上占有5个采样点，那么就以3×5采样点的模版从道路上所有行驶方向和所有车道的开始端到末端对进行匹配检测，即从i=0、j=0和k=0开始进行匹配检测，由于车道横向方向上有5个采样点，即在某一车道同一个横向方向l的范围是0～4，从l的范围0～2开始，然后1～3，接着2～4，每个横向方向上进行三次匹配检测，匹配检测的方法是通过统计计算3×5采样点的模版中有多少存在采样点的情况进行判断的，如果匹配模版中有50%以上的存在采样点，即在3×5采样点的模版中有7个以上的存在采样点就判定为该区域为存在块；当某一车道同一个横向方向l检测结束后，如果在上述匹配检测中存在着一个和一个以上的存在块满足匹配检测模版情况时，k=k+5；否则k=k+1；接着继续进行匹配检测直至到某一车道上的末端位置；接着进行下一个车道的匹配检测，循环上述匹配检测过程；再接着进行下一个行驶方向的匹配检测，循环上述匹配检测过程；这样得到各车道上的存在块，一个个存在块表示车辆的存在，车道上的存在块面积大小与车道的面积大小之比就是车道占有率，即车辆密度；

通过上述过滤处理最终得到过滤后的存在采样点图像EFn和非存在采样点图像

7.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的移动存在采样点检测模块，用于以帧间差法从前后序列图像中检测出tn时刻的移动存在采样点，从时域角度对车道上的运动前景对象进行检测，提取出代表运动前景对象在车道空间分布的移动存在采样点；

移动存在采样点表示了在车道上运动的物体，由帧间差计算获得，移动采样点的计算分为一些几个步骤，其算法如下：STEP1:读取tn时刻的采样点灰度值图像阵列Xn；

STEP2：读取tn+k时刻与tn-k时刻的采样点灰度值图像阵列Xn+k和Xn-k；

STEP3：计算ΔX-k=|Xn-Xn-k|和ΔXk=|Xn+k-Xn|；

STEP4：对ΔXk和ΔX-k用阈值TH3将其二值化处理，得到第一特征提取图像与第二特征提取图像Z1n与Z2n；

STEP5：计算Qn=Z1n∧Z2n，得到移动采样点图像Qn。

8.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的静止存在采样点检测模块，用于以存在采样点和移动存在采样点的差计算出各车道的静止存在采样点，从时空角度对车道上的静止前景对象进行检测，提取出代表静止前景对象在车道空间分布的静止存在采样点；

存在采样点可以分为移动存在采样点与静止存在采样点，静止存在采样点图像反应了道路上存在着静止物体对象的分布情况，从时间域考虑随着时间的变化这些物体对象处于静止状态；静止存在采样点的比重越大，分布越密，表示道路的拥堵程度越大；静止存在采样点不易直接测量获得，需要从帧序列中分离出移动采样点，然后再通过存在采样点图像与移动存在采样点图像的差来计算得到静止存在采样点，计算方法由公式（4）给出；

Sn=EFn-Qn （4）式中，EFn为过滤处理后的存在采样点图像，Qn为移动存在采样点图像，Sn为静止存在采样点图像。

9.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的车流量检测处理模块，用于以存在块通过车道上某一断面的车辆进行统计，得到实时的交通流量数据；

所述的车流量检测算法是：在车道上取以一个略小于轿车大小的虚拟线圈，如在实际车道上长度为4米左右，采样点之间距离为0.5米；这样作为虚拟线圈在车道上均匀排布8行采样阵列；本发明通过这8行01序列来实现车流量的计数，如附图13所示；接着把虚拟线圈区域平分为AREA1与AERA2两个区域，其中，AREA1有4行采样点，AREA2也有4行采样点；本发明将每个区域根据存在采样点多少分别赋予『0』，『』，『1』三种状态，赋予规则如下：『1』：区域中行中的存在采样点为1比例大于等于2/3，表明约有车辆的1/2车身覆盖了区域内的存在采样点；

『』：区域中行中的存在采样点为1比例小于2/3且大于等于1/3，表明处于一种临界状态，如约车辆的1/4～1/5车身处在区域内；

『0』：区域中行采样点为1比例小于等于1/3，表明有车辆的1/5以下的车身处在区域内；

表1车辆通过虚拟线圈的判断规则

AREA1状态 AREA1前一状态 AREA2状态 AREA2前一状态 判定结果『0』 非『0』 『1』 非『1』 有车通过

『1』 非『1』 『0』 非『0』 有车通过

『1』 非『1』 『1』 非『1』 有车通过

在交通基本参数中车流量的统计是以小时为单位的，即辆/小时，为了实时计算车流量，这里需要计算前60分钟内经过虚拟线圈的车辆数，将60分钟分成60等份，即以分钟为单位对经过虚拟线圈的车辆进行计数；然后用FIFO算法统计当前时间前60分钟内经过虚拟线圈的车辆数；FIFO算法如下：STEP1：读取当前1分钟内经过虚拟线圈的车辆数；

STEP2：检测存储的统计次数是否已经到T次；

STEP3：如果是，选择最先进入的统计值进行置换，转到STEP5；

STEP4：否则，存入统计值，转到STEP1；

STEP5：统计T次中的所有车辆数，并输入前60分钟的车流量统计结果，转到STEP1；

通过上述计算，得到车道上的车流量Q。

10.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的车速检测处理模块，用于以移动存在采样点的空间排列规律对车道上某一个区域内通过的车辆速度进行估算，得到实时的通过某一车道断面的平均车速；

在车道上绘制两条虚拟检测线圈，分别为入口检测线圈和出口检测线圈，二者都垂直于车道的方向，它们之间的距离大概在一个小型车辆的车身左右，由图像标定的结果，可以计算出这两个检测线圈之间的像素距离所对应的真实世界的距离。由车辆到达这检测线圈的时间之差，用这个时间去除距离就可以知道车辆的速度，计算公式如式（5）所示，式中：StartFrameNum1为车辆到达出口检测线圈的帧数，StartFrameNum2为车辆到达入口检测线圈的帧数，L为两检测线圈的实际距离，单位为米，F为视频图像的帧率，Vt为t时刻车道上车辆的车速，单位为米/秒；

为了得到车道上车辆的平均速度，本发明采用了一种数字低通滤波的方式，计算求得车道上实时的车辆平均速度 计算公式如式（6）所示，式中：Vt为t时刻车道上车辆的车速， 为t-1时刻车道上车辆的平均速度， 为t时刻车道上车辆的平均速度，α为0～1之间的数据，本发明中α取0.8。

11.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的车间距检测处理模块，用于以统计存在块之间的间隔长度和存在块的数目，得到实时的车道车间距；在所述的存在采样点滤波处理模块中通过计算得到反映道路车辆密集程度的存在块，通过累计所定制的车道内两个存在块之间的在车道方向上的非存在采样点的数目，然后乘上采样点的间距，得到某两辆车辆间的间隔距离δi，通过遍历整个所定制的车道，最后用公式计算整个所定制的车道内的平均车间距，计算方法如公式（7）所示，式中： 为某车道上的平均车间距，n为某车道上存在块的个数，δi为某车道上某两辆车辆间的间隔距离。

12.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的静止存在采样点滤波处理模块，用于对车道空间分布的静止存在采样点以车辆模型进行滤波处理，去掉一些孤立的非静止存在采样点以及其他干扰，得到反映道路拥堵程度和排队长度的静止存在块；这里主要对公式（4）计算得到的静止存在采样点图像Sn进行滤波处理，滤波处理算法如下：Step1：设定车辆模板的大小，此处采用6×8的模板，即车辆在横向方向上占有6个采样点、在车辆的纵向方向上占有8个采样点，同时设定k=0；

Step2：规定车道横向方向上的检测。假设车道横向方向上有K个采样点，则在某一车道同一个横向方向direction0上检测的范围是0～K-1，从i=0、j=0开始进行匹配检测，依次在该横向方向上的i=0，1，…，K-6处投放模板，进行K-5次匹配检测，遍历模板中的所有采样点并统计静止存在采样点的个数；

Step3：如果匹配模板中有50%以上的静止存在采样点就判定该区域为静止存在块，同时置i=i+8且k=k+8；否则置i=i+1且k=k，规定该横向方向为direction1；

Step4：指示横向方向direction1，返回Step2继续进行匹配检测直至到某一车道上的末端位置（i=L-1行），该车道检测结束；

Step5：通过k的大小和车辆行驶方向上的两个相邻采样点间隔相对应的实际距离来计算该行驶方向上的车道拥堵的长度；

Step6：进行下一个车道的匹配检测，循环上述匹配检测过程。

遍历道路上的所有车道静止存在采样点图像Sn后，就能得到各车道上的静止存在块以及静止存在块的位置、大小和发生的时间；同时也可以得到某行驶方向i上的某车道j的静止存在块匹配的最大k值，通过该数字大小来计算该行驶方向上的车道拥堵的长度。

13.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的车道的拥堵区域及拥堵持续时间检测模块，用于以静止存在块在各车道空间的分布情况检测拥堵区域和时间域上检测静止存在块在各车道空间的持续时间；

在所述的存在采样点滤波处理模块中得到了各车道上的存在采样点图像EFn，用公式（8）计算车道上的车辆密度，式中： 为车道上存在采样点的个数统计值， 为车道上采样点的个数统计

值，K为车道上的车辆密度；

静止存在块的大小和发生的持续时间是检测道路拥堵的关键指标，其检测算法如下：

STEP1：根据在所述的静止存在采样点滤波处理模块中所得到的静止存在块的位置信息，并暂时保存其大小范围和发生时间；

STEP2：以静止存在块的位置信息为索引，检查是否已经存在有静止存在块；

STEP3：如果有，得到前一时刻静止存在块大小范围和发生时间，并比较现在静止存在块大小范围与前一时刻静止存在块大小范围；没有任何静止存在块转到STEP7；

STEP4：如果现在静止存在块大小范围大于等于前一时刻静止存在块大小范围，将在暂时保存的拥堵信息中用现在静止存在块大小范围替换前一时刻静止存在块大小范围，并用发生时间和现在系统时间的差来计算拥堵持续时间；

STEP5：输出车道上各静止存在块大小范围和静止存在块持续时间，转到STEP7；

STEP6：如果条件不成立，进一步判断现在静止存在块大小范围是否小于阈值Ts，如果满足，从暂时保存的拥堵信息中删除以该索引的静止存在块的记录；

STEP7：结束判断程序。

14.如权利要求1所述的轻量级的全息道路交通状态视觉检测装置，其特征在于：所述的道路拥堵状态检测模块，用于检测道路上某一个时刻某一个行驶方向的拥堵状态和道路服务水平；本发明将道路服务水平等级分为A、B、C、D、E、F等6个等级；对于道路服务水平判定分为在路段中和交叉口两种不同情况，对于路段中的情况，用表2和表3并结合车道的拥堵区域及拥堵持续时间进行判断；

表2为城市道路主次干道基本路段通行能力推荐值C，表3为从城市道路的负荷情况Qs/C来判定城市道路服务水平的一览表，其中Qs可以从所述的车流量检测处理模块中统计道路上某一断面所通过的车辆来获得；对于交通服务水平E以上的判断，要根据所述的车道的拥堵区域及拥堵持续时间检测模块中所得到的车道上的车辆密度K，并判断其是否大于某一个阈值TK；对于交通服务水平F的判断还要根据所述的车道的拥堵区域及拥堵持续时间检测模块中所得到的拥堵持续时间TurK，如果大于某一个阈值Ttur就判定为交通服务水平F；

表2主次干道基本路段通行能力推荐值C单位：辆／小时

道路服务水平 负荷度(Qs／C) 交通状态 状态描述

A ≤0.25 自由流状态 畅通状态

B 0.25～0.50 道路稳定流 标准畅通状态

C 0.50～0.70 交叉口溢流 基本畅通状态

D 0.70～0.85 稳定溢流 非畅通状态

E >0.85 交通阻塞 完全不畅通状态

F >0.95 严重拥堵 大面积瘫痪

表3城市道路服务水平

对于交叉口的道路服务水平，交叉口的通行能力采用通过车头时距计算饱和交通流量的方法来确定；饱和交通流量用每小时有效绿信号中通过的车辆数来表示；表4为城市道路信号交叉口进口机动车道饱和流率；表5为城市道路信号交叉口服务水平分级标准；

通过计算路口交通负荷度就能得到城市道路信号交叉口服务水平，负荷度计算采用Qs／C，即交通量／通行能力的计算方法来确定，交通量Qs是在所述的车流量检测处理模块中统计在绿灯小时内经过虚拟线圈的车辆数得到的；考虑到交叉口的情况复杂，对于交通服务水平D以上的判断，还需要从所述的静止存在采样点滤波处理模块中得到交叉口的排队长度，用排队长度来进一步界定交通服务7k平.

车道 直行 左转 直右 直左 直左右 右转

饱和流率 1920 1680 1680 1440 1440 1200

表4城市道路信号交叉口进口机动车道饱和流率

服务水平 A B C D E F

路口交通负荷度 ≤0.6 0.6～0.80.8～0.90.9～1.0 ≥1.0 ≥1.0表5城市道路信号交叉口服务水平分级标准

表6交叉口评价标准参考表。