结合交通检测场景的特点，本系统选择基于背景差分的图像差分法作为检测算法的基础，算法实现请参考文献[10]，流程如图2所示。为保证算法性能，采用多种先进思想：考虑到背景构建的质量对系统性能的影响，采用一种利用连续3帧差分的运动估计方法构建初始背景，并用统计打分的策略实时对背景更新；为避免运动投射阴影可能被误检作车辆的一部分，提出一种边缘重定位的阴影消除算法；为保证系统在环境光剧烈变化以及采集设备由于路面震动、风力作用等发生抖动时能正常工作，提出一种2值差分图后处理的鲁棒滤波算法；针对目前已有检测系统没有车辆跟踪这一环节可能导致流量多计数的问题，提出同时利用车辆的位置信息、颜色信息和分形维信息对车辆进行匹配跟踪的策略。

　　交通信息检测系统要求能全天候工作。而白天没有车灯，但车辆成像清晰；夜晚车辆成像不清晰，但车灯及路面反射光突出。因此，本系统采用不同的实现策略：白天检测车辆本身，夜晚检测车灯及路面反射光。这样，白天可提取全部交通参数，夜晚由于不能获取车辆信息，无法进行车型分类，但其他交通参数不受影响。实验现场的测试表明，本系统的车辆识别率达到96.5%。车辆检测的效果如图3所示。图3b，3d中的两条白色直线为用户设定的检测区域。

　　采用C语言编写系统的接口配置/控制代码，以保证系统的整体可读性。为了保证系统算法的高效性，对系统的关键算法模块进行了纯汇编语言的编写。表1是不同语言下代码的效率对比，表中所列代码段均针对分辨率为253×288的交通视频图像进行处理。