1、城市交通的擁塞在道路路口尤為明顯，基于視頻的車流量準(zhǔn)確檢測(cè)是路口信號(hào)燈智能控制的前提和關(guān)鍵。
　　 目前，車流量檢測(cè)的方法有多種，如背景差分法、鄰幀差分法、邊緣檢測(cè)法、光流法等，但由于路口車輛密度高和車速變化大的特點(diǎn)，本文選擇了背景差分的方法，這種方法的可靠性依賴于背景更新的有效性。
　　 本文提出了改進(jìn)的頻度估計(jì)算法和支持向量機(jī)(SVM)理論相結(jié)合的方法來(lái)進(jìn)行交通路口的背景建模。
　　 由于視頻圖像對(duì)光照的微小

2、變化都很敏感，在改進(jìn)的頻度估計(jì)算法中，本文提出了灰度變化幅度的概念，尋找統(tǒng)計(jì)頻度值最大區(qū)間，然后用這個(gè)區(qū)間的灰度均值來(lái)作為背景估計(jì)值。支持向量機(jī)(SVM)優(yōu)良的性能已經(jīng)在許多領(lǐng)域，如生物信息學(xué)、醫(yī)療、文本和手寫(xiě)識(shí)別等都取得了成功的應(yīng)用。本文通過(guò)SVM對(duì)背景進(jìn)行訓(xùn)練，得到背景學(xué)習(xí)模型，然后用背景學(xué)習(xí)模型對(duì)道路的背景進(jìn)行預(yù)測(cè)。利用訓(xùn)練模型對(duì)背景進(jìn)行預(yù)測(cè)。
　　 改進(jìn)的頻度估計(jì)算法，增強(qiáng)了對(duì)光照緩慢變化的適應(yīng)性，針對(duì)在嚴(yán)重堵車時(shí)的不足