随着社会经济的发展，我国城市汽车保有量持续增加，交通供需不均衡现象凸显，交通拥堵问题日益严峻，不但降低了交通运行效率，而且带来一系列的交通安全问题。实施智能交通管理与控制策略，提升交通管理的智能化、信息化水平，是缓解交通问题的重要手段。其中，道路交通状态信息进行实时、准确检测，又是智能交通系统得以发挥效果的前提基础。

传统的交通检测方法有断面磁感应检测、视频检测、浮动车检测、雷达检测等方式。其中，FMCW毫米波雷达可以检测广域道路范围内多个车辆目标的精准运行轨迹，且具有检测精度高、检测范围广、检测目标多、可以实现全过程目标轨迹跟踪等优势，近年来其应用越来越广泛。此外，电子警察、卡口等设备的视频检测手段可视化效果好、车辆目标特征检测丰富，也受到交通管理者和研究人员的重视，得到快速发展和应用。

在复杂道路环境下，毫米波雷达和视频设备也存在一定的应用局限性。对毫米雷达而言，受其多普勒效应检测目标固有机理影响，在车速较低时，仍存在目标检测准确性差、目标丢失等问题。道路场景中存在的灯杆、护栏等金属目标，也会产生大量的背景噪声，对影响效果造成干扰。此外，毫米波雷达本身无法对车辆的身份信息进行识别。对视频检测设备而言，检测效果极易受到道路光线、天气等条件的影响，且存在测速精度差的问题。

为此，本项目研究FMCW毫米波雷达和视频检测器融合方法，旨在实现两种检测器的优势互补，提高复杂道路环境下的车辆检测准确性和可靠性。在不同道路环境下，分别对基于毫米波雷达的车辆目标跟踪方法和基于YOLO4的视频车辆目标检测方法进行研究和性能验证。在此基础上，根据雷达和视频检测数据特征，研究检测目标数据时空一致性的数据融合算法，实现不同检测器之间的数据特征互补，提高复杂交通环境下的车辆目标检测准确性。为提高系统应用效果，本项目设计并开发“雷视一体”综合交通检测平台，为交通管理者提供友好、可视的人机交互和交通检测服务。