在视频图像预处理算法的研究中,对常用的视频图像多种滤波算法、多种对比度增强算法和多种边缘检测算法进行了分析比较研究,根据仿真实验的结果,提出了选用中值滤波、增强模板和形态学边缘检测算法对交通场景图像进行预处理,取得了很好的效果;在车辆检测技术的研究中,对影响车辆检测的关键技术进行了分析和研究,并对已有的车辆检测算法进行了研究和改进,针对车辆的不同违章行为(闯红灯、违章停车、超速、违章转弯),根据实时性和准确性原则,提出了各自相应的车辆检测算法;

　　近几年来，机动车保有量和驾驶人的数量急剧上升，公路交通“减量控大”的管控压力巨大。在此背景下，我们应侧重大数据、AI等前沿技术，提升高速公路违法感知和干预能力。

　　交通事故遵循海恩法则，90%的事故都是先有违法的安全隐患存在，因此才出现了事故。所以违法整治是公安交通管理工作的一个“牛鼻子”，通过消除违法从而达到消除事故的目的。

　　我们可以将违法整治分成人、车、路三个维度。

　　人是指所有违法主观都是人导致的，所以应对违法就应该对所有交通参与者进行精准的发现和干预。

　　车是指对两客一危一货、面包车等重点车辆的动态监管和车流量的监管、管控，只要管住车流，同样可以管住事故。

　　最后是路，高速公路每个路段发生事故的比例是不一样的。比如说匝道的里程远远低于主线，但是匝道发生的事故数量却跟高速公路的主线持平，所以需要把路进行划分，从而实现不同的场景用不同的方式处置干预。

　　在调研中发现，目前各地建设的智慧大脑大多以发现为目的，而不注重有效的管控手段，这就导致很多建设的智慧大脑项目处于“天上飘”的状态。以交通违法感知为大脑，那一定需要有效的干预手段。在手脑协同的情况下，才能让大数据AI技术实现真正着陆。

　　交通违法感知研究的第一个维度是人。人在不受路段类型限制的情况下的违法主要体现在4个方向。

　　第一是驾驶证异常，我们可以通过人脸识别功能比对全国驾驶人库，扩大跨省驾驶证异常的识别，从而实现对高速公路省外车、过境车较多场景的有效管控。

　　第二是疲劳驾驶，我们可以通过分析比对全国的轨迹车辆，对司机的疲劳驾驶行为进行监管。

　　第三是群众违法举报，通过在公路固定班线的营运车辆安装车载的违法取证设备，在不需要司机的干预下，实时对前方车辆的违法变道、加塞等违法行为进行发现、自动检测和上传，有效弥补高速公路监控覆盖不足的缺点，从而实现对高速公路主线的全管控，消除一些驾驶人违法的侥幸心理。

　　第四是其他重点违法行为，要结合大数据和AI的能力，结合各地的零星需求，逐步完善各类算法模型。通过对算法库的不断完善更新，从而实现对高速公路上易引发事故的违法行为进行全管控。

　　基于人工智能视觉分析技术配合现场摄像头自动识别如车辆占道、逆行、驶入禁行路段或行人翻越护栏等违法现象及交通事故,提高交通部门执法效率。高速公路  自动识别高速公路，车辆超速、逆行、危险驾驶等情况，输出车牌信息及时通知交警管理中心。城市道路   自动识别城市道路，车辆占道、逆行、驶入禁行路段或者行人翻越护栏等交通违法行为，以及路面交通事故，及时报警，辅助交警执法。