在智能交通系统中,交通监控视频是重要的信息来源,而通过视频获取场景信息需要建立合适的相机模型并对相机进行标定。相机标定技术的目的是根据相机内外参数建立图像与三维空间的映射关系,稳定的相机自动标定技术是实现交通参数提取的重要保证。当前较为流行的相机标定大多基于消失点与场景标识信息相结合的方法,但在实际场景运用中,会存在场景标识信息检测困难、消失点出现“病态”情况等问题,造成标定结果不稳定。针对以上问题本文在已有的方法上,提出一种基于消失点的自适应匹配相机标定模型的优化方法,对不同场景情况利用有效信息完成初始化标定,并通过场景中冗余交通标识信息建立约束函数对标定结果进行优化,当完成相机标定后,实现了基于相机标定结果的运用。本文的工作主要体现在以下方面:1.稳定检测场景中一组正交消失点及场景交通标识。本文通过建立级联霍夫变换,将大量筛选后的车辆轨迹及车身边横向缘线变换到参数空间进行局部最大值累积,从而得到场景中一组正交消失点,该方法可减少车道弯曲对消失点的影响,也避免了仅使用单一场景信息检测消失点时存在的误差。同时结合消失点和车辆轨迹划定道路平直活动区域,在区域中检测交通标识信息,该方法可减少背景环境对标识信息检测的影响。2.建立自适应匹配相机标定模型,避免消失点“病态”情况对标定结果的影响。因场景限制及相机特殊角度可能导致场景中消失点趋于无穷大的情况,因此本文针对不同场景情况结合已知场景信息,提出建立相机最小标定条件自适应模型对相机参数初始化,使得标定方法运用场景更广,并通过实验证明该方法的可行性。3.利用冗余交通标识信息优化标定模型的参数空间,以使标定结果更加精确。当使用最小标定条件完成初始标定后,通过对比反算冗余标识信息物理值与实际物理值的绝对值,建立后验误差约束函数,进行多次迭代优化标定结果,并在本文使用的交通场景中进行实验,标定结果准确率为95%以上。4.利用交通视频及相机标定结果进行交通场景应用。在完成相机标定后,利用相机内外参数实现车辆空间位置计算、车速计算等应用。其中车速计算通过与标准数据集对比,得到车速计算结果准确率为92%以上。