车辆检测是智能交通系统的基础核心问题,通过车辆检测获取准确的交通流量、车速等交通参数是实施有效的道路诱导,交通控制等交通管理的重要基础。传统的车辆检测方法一般都采用单类型的传感器,但单一传感器受其自身的制约,用于车辆检测都有其不利的一面。而随着无线传感网技术的发展,人们已经注意到将载有不同传感器的节点自组织成网,通过多传感器的车辆检测数据的融合,以获取包括车速、车流量、道路占有率等比单一传感器更准确的交通信息,以期更大程度上减少传统车辆检测系统的成本,提高系统的鲁棒性。本文主要研究无线传感网络环境下的视频传感器车辆检测及磁敏传感器车辆检测问题,并在此基础上研究两者的数据融合。视频传感器对于光线变化敏感,而磁敏传感器不受光线的影响。因此可通过磁敏传感器弥补视频传感器车辆检测中难以解决的昼夜转换和复杂天气情况等问题,提高车辆检测的准确率。针对视频车辆检测,本文改进了传统的帧差法进行运动目标检测的算法,利用边缘信息增强了对视频抖动的鲁棒性,应用兴趣区域面积缩减法提高了搜索与处理的效率。此算法的计算量小,实时性好,且算法对于拥挤相连情况下的车辆检测及多车道情况下的车辆检测的效果较好。实验结果表明此视频车辆检测算法具有较高的准确率。本文还提出了自适应窗口距离磁敏信号车辆检测算法,用背景窗口和车辆信号窗口的信号特征距离检测车辆信号端点,降低了长型慢速车辆的冗检率以及快速车辆的漏检率。车辆离开时,信号窗口长度自适应调整以降低车速、车长对算法的影响。而且算法引入“Duty-cycling”策略,降