息。
[0040] 此后进入步骤103,根据位置信息分析属于同一组的前端摄像头拍摄的监控视频， 得到该组前端摄像头对应的路段的路况信息，其中，路况信息包括路段的车辆行驶速度、车 辆行驶方向、车流量等反应路况的信息。
[0041] 本步骤103包括以下子步骤：
[0042] 将属于同一组的前端摄像头拍摄的监控视频中都具有的车辆作为参照车辆。例 如，可通过查找车牌获得参照车辆。
[0043] 计算每个参照车辆经过组的每个前端摄像头的拍摄范围内的即时速度。
[0044] 将所有同一行驶方向的参照车辆的即时速度的平均值作为该组前端摄像头对应 的路段的车辆行驶速度。例如，可将同一参照车辆在不同前端摄像头拍摄范围内的即时速 度求平均值，然后将所有参照车辆的即时速度的平均值再求平均值，得到对应路段的车辆 行驶速度。也可先计算同一组中每个前端摄像头拍摄范围内多个参照车辆的平均值，在将 多个前端摄像头对应的平均值求平均值，得到对应路段的车辆行驶速度。也可通过其他方 式进行计算。
[0045] 此外，在步骤101之前，还包括以下步骤：
[0046] 将前端摄像头的位置信息加入该前端摄像头拍摄的当前时刻的监控视频并在视 频云存储系统中进行存储。
[0047] 可以理解，在上述步骤之前，可根据前端摄像头的实际位置，提前将部署了前端摄 像头的路口、路段或转弯灯地方都编好标注，每个地方的标准不同，将所有标注的信息都存 储到视频云存储系统中，作为每个前端摄像头的位置信息在视频云存储系统中做好映射。
[0048] 此外，在步骤103之后，还包括以下步骤：
[0049] 将多组前端摄像头对应的多个路段的车流信息进行汇总，生成当前时刻的路况地 图。
[0050] 然后，在本发明的各实施方式中，可通过响应用户的请求发送整个路况地图或路 况发生较大变化的部分路况地图给用户。
[0051] 在本发明的其他实施方式中，也可以响应客户的请求，发送路况信息给客户，由客 户在车载移动设备上将路况信息根据需要进行汇总以生成路况地图。车载设备可以是手 机、导航仪等现有的移动终端，也可以是专有设备。
[0052] 利用城市中现有的监控系统，可在视频z?存储系统中大量存储实时监控录像，并 对存储的监控录像进行快速的分析，得到不同路段的更准确的车流信息，方便用户查询具 体路段的车流信息，并根据车流信息对路况进行判断，合理选择出行路线和行驶方案。
[0053] 在本发明中，路段的车辆行驶速是指反应当前时刻该路段通堵状况的同一行驶方 向车辆的平均速度。路况地图是指反映整个交通网络中的具体路段的路况信息的地图。
[0054] 此外，在本发明的各实施方式中，可设定一个存储频率，将监控视频定时存储，t匕 如每秒一次。且本发明中，属于同一组的前端摄像头可以是一条道路某一段上的前端摄像 头，也可以是整条道路上的前端摄像头，可根据具体情况进行设定。每个前端摄像头可属于 多个组，比如在十字路口的摄像头。
[0055] 采用现有的监控设备采集的视频信息进行分析，较现有的GPS定位系统通过卫星 定位和附近图片综合分析判断道路拥堵情况的方法准确度高，且视频云存储系统可提供大 量的存储空间和快速的计算速度，信息的更新速度更快更及时。
[0056] 本发明第二实施方式涉及一种交通监控系统中的摄像头检测方法。图2是该交通 监控系统中的摄像头检测方法的流程示意图。
[0057] 如图2所示，该交通监控系统中的摄像头检测方法包括以下步骤：
[0058] 在步骤201中，犾取视频z?存储系统中存储的多个如端摄像头拍摄的监控视频。
[0059] 该步骤201包括以下子步骤：
[0060] 获取视频云存储系统中存储的多个前端摄像头在预定时间段内拍摄的监控视频， 其中，预定时间段为道路的非拥堵时间段。
[0061] 此外，可以理解，在本发明中，为了排除因拥堵或交通事故导致的误判，一方面可 以选择不容易发生拥堵或交通事故的时段，如半夜，清晨等，另一方面可以在不同的时间多 做几次检测，例如23点、1点、3点、5点各做一次，如果都判定前端摄像头的参数设置出现错 误则可以确认。
[0062] 此后进入步骤202,根据各前端摄像头的参数配置，分别计算监控视频中多辆参照 车辆在各肖U端摄像头拍摄围内的即时速度。
[0063] 在本实施方式中，参数配置包括前端摄像头的安装高度、俯仰角、水平转角和焦 距。
[0064] 此外，可以理解，在本发明的其他实施方式中，参数配置也可包括其他决定参照车 辆即时速度的计算结果的参数的配置。
[0065] 此后进入步骤203,基于存储于视频云存储系统中前端摄像头的位置信息，选取监 控视频中同一参照车辆经过的两个相邻前端摄像头。
[0066] 在一优选例中，该步骤203包括以下子步骤：
[0067] 根据位置信息随机选取两个相邻前端摄像头。；随机抽样选取相邻前端摄像头中 一前端摄像头拍摄的当前视频中向同一方向行驶的车辆的车牌信息。；将提取的车牌信息 与另一前端摄像头拍摄的当前视频中的行驶车辆的车牌信息进行匹配，将匹配成功的车牌 信息对应的车辆作为参照车辆。
[0068] 此外，可以理解，在本发明的其他实施方式中，也可以采用其他方式选取相邻前端 摄像头。
[0069] 此后进入步骤204,将车辆的平均速度乘以行驶时间得到相邻前端摄像头之间的 道路检测长度，其中，平均速度为参照车辆经过两个相邻前端摄像头的即时速度的平均值， 行驶时间为参照车辆经过相邻前端摄像头之间道路所用的时间。
[0070] 参照车辆在相邻两个前端摄像头之间的平均速度可通过多种计算方式计算，如
等，其中Vl和V2为参照车辆分别在两个相邻如端摄像头拍摄沮围内 的即时速度。
[0071] 此后进入步骤205,判断经过相邻前端摄像头的多个参照车辆对应的多个检测道 路长度的平均值与相邻前端摄像头之间道路的测量长度之间的差值是否大于预定阈值。如 果判断结果为是，则进入步骤106,否则，结束本流程。其中，预定阈值可根据实际情况进行 设置，如道路情况、非高峰时间等，安装高度、俯仰角、水平角度、焦距等计算参数。相邻前端 摄像头之间道路的测量长度可以是实际测量得到的（存在系统中），也可以是通过电子地 图上相邻前端摄像头的位置计算得到的。
[0072] 在步骤206中，判定相邻前端摄像头中至少有一个前端摄像头的参数配置出现错 误。然后结束本流程。
[0073] 此外，在本发明的各实施方式中，对摄像头的检测可以是设置为以一定的频率进 行自动检测，也可以人为的进行手动设置。
[0074] 在另一优选例中，本发明的检测方法在上述步骤201之前，还包括以下步骤：
[0075] 将前端摄像头进行标注，得到与每个前端摄像头对应的位置信息并存储于视频云 存储系统中。
[0076] 在道路交通非高峰期，本发明利用现有道路两旁的摄像机，借助视频云存储系统 可计算出相邻摄像头之间的检测道路长度，再将多个检测道路长度的平均值和相邻摄像头 之间的测量道路长度进行比较，便可准确地将安装高度、俯仰角以及焦距等参数配置出现 错误的摄像头所在的范围确定，再通过对两个相邻摄像头进行简单的测试，准确的选出参 数配置出现错误的摄像头。从而实现对