我正在进行一个名为ATCS（自动交通控制器系统）的项目，它将根据红绿灯前的车辆数量修改红绿灯持续时间。
我使用openCV和backgroundsubactorMOG来检测车辆，它在车辆移动时成功运行，但当红色信号灯打开时，所有车辆都是不可计数的。当然，这会使我的软件无法工作。
到目前为止，我知道背景减法器MOG是最好的解决方案，因为该系统可以在温度、光强等的许多变化中工作。它将比较当前帧和前一帧，以便将运动对象检测为前景（CMIIW）。那么，因为红绿灯亮着，迫使司机停车，所以行驶中的车辆停了下来，情况如何？它还会被检测为前景对象吗？
所以我想问一个最合适的算法来做这件事。当车辆移动时，以及当车辆因为红色信号而停止移动时，如何计算车辆的数量——它仍然检测到车辆。
谢谢：）
如何更新您的背景？由于照明条件（云、白天、晚上、黄昏、天气）的变化，您无法将其保持为统计数据，但是，如果您仍然知道背景的外观，即如果汽车不在，则仍然可以检测到停下来的汽车的存在。若你们在图片中有一个区域并没有汽车通过，你们可以用它来了解照明条件是否在变化。
你对车辆的视角是什么？将Viola Jones探测器与KLT跟踪器相结合，有可能获得更好、更通用的结果。
如果背景减法对您有效（正如您所说），我会尝试添加另一个背景模型。然后，您可以执行两次背景减法，一次用于前一个图像（适用于所有移动对象），另一次用于long term background model，它将检测所有停止的车辆（以及移动的车辆），但对于不同的照明条件可能会有一些缺点。
您可以查看ViBe或Gaussian-Mixture-Models来创建这些背景模型。
另一种方法是引入一些跟踪机制，正如Antonio已经提到的那样。一旦通过背景减法检测到车辆（图像中只会出现移动物体），您就会开始跟踪，即使没有再次检测到它们（因为它们不会移动），您也会知道它们在那里。所以你需要一种不是"检测追踪"而是其他方法的追踪方法。我推荐卡尔曼滤波器或粒子滤波，或者均值偏移跟踪。
EDIT：一种常用于车辆检测的方法类似于背景减法技术，即Local Binary Patterns (LBP)
我建议将潜在SVM检测器与"汽车"one_answers"公共汽车"模型一起使用来检测车辆，然后对您获得的边界框应用简单的跟踪。
潜在SVM检测器：http://docs.opencv.org/modules/objdetect/doc/latent_svm.html