技術(shù)特征：

1.一種基于微波和視頻數(shù)據(jù)融合的交通檢測(cè)裝置，其特征在于：所述裝置包括視頻傳感器、微波傳感器、A/D轉(zhuǎn)換模塊、處理器模塊、網(wǎng)絡(luò)通信模塊、交通流參數(shù)數(shù)據(jù)融合模塊、交通流管理平臺(tái)、目標(biāo)跟蹤模塊、交通事件與信息管理平臺(tái)；

所述視頻傳感器和所述微波傳感器分別與所述A/D轉(zhuǎn)換模塊相連接，視頻傳感器和微波傳感器輸出的不同特征的非電量信號(hào)，然后經(jīng)過(guò)所述A/D轉(zhuǎn)換模塊將它們轉(zhuǎn)換為能由計(jì)算機(jī)處理的數(shù)字量；所述A/D轉(zhuǎn)換模塊與所述處理器模塊連接，所述處理器模塊與所述網(wǎng)絡(luò)通信模塊連接，所述處理器模塊對(duì)經(jīng)由所述A/D轉(zhuǎn)換模塊處理轉(zhuǎn)換成數(shù)字量的數(shù)據(jù)進(jìn)行處理，濾除一些異常數(shù)據(jù)以便得到有用信號(hào)，有用信號(hào)再由所述網(wǎng)絡(luò)通信模塊進(jìn)行傳輸；

所述網(wǎng)絡(luò)通信模塊分別與所述交通流參數(shù)數(shù)據(jù)融合模塊、所述目標(biāo)跟蹤模塊相連接，所述網(wǎng)絡(luò)通信模塊將有用信號(hào)傳輸給所述交通流參數(shù)數(shù)據(jù)融合模塊、所述目標(biāo)跟蹤模塊；

所述交通流參數(shù)數(shù)據(jù)融合模塊和所述交通流管理平臺(tái)連接，所述交通流參數(shù)數(shù)據(jù)融合模塊對(duì)有用信號(hào)進(jìn)行時(shí)空統(tǒng)一、特征提取，并按一定的規(guī)則對(duì)特征量進(jìn)行數(shù)據(jù)融合計(jì)算，最后將融合結(jié)果輸出給所述交通流管理平臺(tái)；

所述目標(biāo)跟蹤模塊和交通事件與信息管理平臺(tái)連接，所述目標(biāo)跟蹤模塊對(duì)有用信號(hào)進(jìn)行時(shí)空統(tǒng)一、特征提取，并按一定的規(guī)則對(duì)特征量進(jìn)行數(shù)據(jù)融合計(jì)算，最后將融合結(jié)果輸出給所述信息管理平臺(tái)。

2.一種基于微波和視頻數(shù)據(jù)融合的交通檢測(cè)方法，其特征在于，包含以下步驟：

第一步：檢測(cè)，兩組傳感器檢測(cè)區(qū)域內(nèi)分別進(jìn)行背景噪聲抑制，輸出交通流量、平均速度、占有率、排隊(duì)長(zhǎng)度及其他即時(shí)信息；

第二步：原始數(shù)據(jù)預(yù)處理，對(duì)輸入的多組傳感器數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化并進(jìn)行預(yù)處理，滿足后續(xù)估計(jì)及處理器模塊對(duì)計(jì)算量和計(jì)算順序的要求；

對(duì)于異常數(shù)據(jù)預(yù)處理方法采用格拉布斯統(tǒng)計(jì)方法；

第三步：時(shí)空校準(zhǔn)，校準(zhǔn)統(tǒng)一各傳感器的時(shí)間和空間參考點(diǎn)，在時(shí)間上對(duì)齊到同一時(shí)間基準(zhǔn)、在空間上轉(zhuǎn)換到同一坐標(biāo)系，建立坐標(biāo)對(duì)應(yīng)關(guān)系，使得處理后的結(jié)果好像是數(shù)據(jù)融合處理中心站所采集的一樣；若各傳感器在時(shí)間和空間上是獨(dú)立地異步工作，則必須進(jìn)行時(shí)間搬移和坐標(biāo)變換，以形成融合所需的統(tǒng)一的時(shí)間和空間參考點(diǎn)；通過(guò)對(duì)單個(gè)傳感器獲得的位置與身份類別的估計(jì)信息進(jìn)行融合，獲得更加準(zhǔn)確的目標(biāo)位置、狀態(tài)與身份類別的估計(jì)；

第四步：基礎(chǔ)動(dòng)態(tài)交通參數(shù)融合，把來(lái)自視頻傳感器和微波傳感器能夠同時(shí)檢測(cè)路段上的交通流量、平均速度、占有率、排隊(duì)長(zhǎng)度等基礎(chǔ)交通參數(shù)進(jìn)行融合處理，得出更準(zhǔn)確可靠的交通流參數(shù)；同時(shí)這一層次的融合結(jié)果是下一個(gè)融合系統(tǒng)的輸入；

第五步：數(shù)據(jù)關(guān)聯(lián)，判別不同時(shí)間空間的數(shù)據(jù)是否來(lái)自同一目標(biāo)，雷達(dá)與視頻目標(biāo)進(jìn)行匹配，能成功匹配確定為真實(shí)的目標(biāo)，按設(shè)定方式處理，不能匹配的目標(biāo)，認(rèn)為不能確定的目標(biāo)，不能排除可能性；以目標(biāo)的距離、方位、相對(duì)速度作為參數(shù)，計(jì)算雷達(dá)目標(biāo)與視頻目標(biāo)的關(guān)聯(lián)度值，當(dāng)關(guān)聯(lián)度值大于設(shè)定的閾值時(shí)，認(rèn)為匹配；對(duì)同一傳感器相繼測(cè)報(bào)的相關(guān)數(shù)據(jù)進(jìn)行綜合及狀態(tài)估計(jì)，并參照其他信息源的測(cè)報(bào)對(duì)數(shù)據(jù)進(jìn)行修改驗(yàn)證把各個(gè)傳感器傳送來(lái)的點(diǎn)跡進(jìn)行關(guān)聯(lián)，保持對(duì)目標(biāo)進(jìn)行連續(xù)跟蹤；

第六步：目標(biāo)識(shí)別與跟蹤；根據(jù)不同傳感器測(cè)得的某一目標(biāo)特征形成一個(gè)N維的特征向量，每一維代表目標(biāo)的一個(gè)獨(dú)立特征，與一致的特征進(jìn)行比較，從而確定目標(biāo)的類別。每次掃描結(jié)束就將新數(shù)據(jù)集與原有的數(shù)據(jù)進(jìn)行融合，根據(jù)傳感器的觀測(cè)值估計(jì)目標(biāo)參數(shù)，并用這些估計(jì)預(yù)測(cè)下一次掃描中目標(biāo)的位置；

第七步：交通行為估計(jì)；雷達(dá)檢測(cè)到目標(biāo)，輸出三維坐標(biāo)，控制視頻監(jiān)控輸出圖像，根據(jù)視頻坐標(biāo)模型以及雷達(dá)與視頻的位置關(guān)系，以A、B兩點(diǎn)最小距離值d作為匹配條件，使得兩個(gè)傳感器探測(cè)到的同一目標(biāo)物的信息對(duì)應(yīng)，以從同步圖像中匹配識(shí)別出為同一目標(biāo)。將所有目標(biāo)的數(shù)據(jù)集與先前確定的可能態(tài)勢(shì)的行為模式相比較，以確定哪種行為模式與監(jiān)視區(qū)域內(nèi)所有目標(biāo)的狀態(tài)最匹配，將這些信息同一保存到交通信息平臺(tái)。

3.根據(jù)權(quán)利要求2所述的一種基于微波和視頻數(shù)據(jù)融合的交通檢測(cè)方法，其特征在于：在所述第二步中，所述對(duì)于異常數(shù)據(jù)預(yù)處理方法用格拉布斯統(tǒng)計(jì)方法具體如下：

計(jì)算輸出的各檢測(cè)數(shù)據(jù)Z_i的均值

計(jì)算標(biāo)準(zhǔn)差

計(jì)算格拉布斯統(tǒng)計(jì)量

給定根據(jù)數(shù)據(jù)量n，顯著水平a＝0.05，通過(guò)查表法找出格拉布斯統(tǒng)計(jì)量的臨界值T(n，a)，與T進(jìn)行比較；按照P[T≥T(n，a)]＝a為小概率事件，舍棄T≥T(n，a)的數(shù)據(jù)。

4.根據(jù)權(quán)利要求2所述的一種基于微波和視頻數(shù)據(jù)融合的交通檢測(cè)方法，其特征在于：在所述第三步中，坐標(biāo)對(duì)應(yīng)關(guān)系的建立步驟如下：

首先，利用標(biāo)定技術(shù)計(jì)算視頻傳感器的內(nèi)部參數(shù)，建立視頻傳感器坐標(biāo)模型；

其次，根據(jù)視頻傳感器坐標(biāo)模型、以及微波傳感器與視頻傳感器之間的位置關(guān)系，建立世界坐標(biāo)系下微波傳感器所監(jiān)測(cè)到的目標(biāo)在視頻傳感器所采集的圖像平面中的坐標(biāo)對(duì)應(yīng)關(guān)系；

最后，根據(jù)坐標(biāo)對(duì)應(yīng)關(guān)系就可以實(shí)現(xiàn)微波傳感器的信息與視頻信息進(jìn)行融合，實(shí)現(xiàn)微波傳感器探測(cè)的3D世界坐標(biāo)轉(zhuǎn)換成視頻圖像中對(duì)應(yīng)的2D圖像坐標(biāo)p′(u′，v′)，以充分利用微波傳感器監(jiān)測(cè)到的位置信息對(duì)應(yīng)至視頻圖像中。

5.根據(jù)權(quán)利要求2所述的一種基于微波和視頻數(shù)據(jù)融合的交通檢測(cè)方法，其特征在于：在所述第四步中，對(duì)于同一觀測(cè)對(duì)象，不同傳感器輸出的結(jié)果會(huì)有所不同，在沒(méi)有先驗(yàn)知識(shí)的情況下，采取以下方法來(lái)進(jìn)行數(shù)據(jù)融合：

采用自適應(yīng)最優(yōu)加權(quán)融合模型，設(shè)兩個(gè)傳感器的交通流數(shù)據(jù)方差分別為σ₁、σ₂，所要估計(jì)的真值為X，各個(gè)傳感器的測(cè)量值分別為X₁、X₂，他們彼此互相獨(dú)立，并且是X的無(wú)偏估計(jì)；各個(gè)傳感器的加權(quán)因子分別為W₁、W₂，則融合后的測(cè)量值為：

其中

該方法應(yīng)用多傳感器提供的檢測(cè)數(shù)據(jù)，融合出均值誤差最小的數(shù)據(jù)融合值。

6.根據(jù)權(quán)利要求2所述的一種基于微波和視頻數(shù)據(jù)融合的交通檢測(cè)方法，其特征在于：所述第七步中采用模糊綜合決策模型構(gòu)造一個(gè)交通事件識(shí)別算法，步驟如下：

A1、交通行為估計(jì)，建立模型庫(kù)，對(duì)通常出現(xiàn)的交通異常狀態(tài)建模，便于將測(cè)得的行為模式與數(shù)據(jù)庫(kù)中的模式匹配；

A2、實(shí)時(shí)監(jiān)控路面狀態(tài)，通過(guò)微波傳感器2和視頻傳感器1進(jìn)行實(shí)時(shí)監(jiān)控；

A3、通過(guò)雷達(dá)在監(jiān)測(cè)范圍內(nèi)發(fā)生事件情況的判斷，若為否，則返回A2繼續(xù)進(jìn)行實(shí)時(shí)監(jiān)控路面狀態(tài)，若為是，則進(jìn)入下一步驟；

A4、輸出事件目標(biāo)的三維坐標(biāo)，視頻采集當(dāng)前的同步圖像；雷達(dá)和視頻信息融合，將三維坐標(biāo)映射到同步圖像中的雷達(dá)探測(cè)坐標(biāo)，發(fā)出預(yù)警信息，并通過(guò)視頻傳感器1進(jìn)行視頻采集當(dāng)前的同步圖像；

A5、雷達(dá)和視頻信息融合，將三維坐標(biāo)映射得到同步圖像中的雷達(dá)探測(cè)坐標(biāo)；

A6、在世界坐標(biāo)系中，建立雷達(dá)探測(cè)坐標(biāo)與圖像檢測(cè)目標(biāo)的匹配關(guān)系，從同步圖像中識(shí)別出事件信息；

A7、輸出交通事件類型及事件車輛的圖片、車牌號(hào)等信息至交通事件與信息管理管理平臺(tái)。