技术的发展离不开市场需求的鼓励。同样，当相机技术满足了基本需求，更高的要求也随之而来。这时候交通摄像头也出现了一些问题。一是整体架构采用“监控摄像头+抓拍摄像头+处理主机”的模式，其中监控摄像头用于监控整个道路场景，然后将视频流传输到处理主机进行车辆分析；快照相机功能是接收处理主机的快照指令，捕捉图像，然后将图像发送回处理主机；作为系统的重要处理主机，负责分析监控摄像头的视频，发出抓拍指令，接受图片，识别车牌。显然，主机的工作量很大，在整个系统中起着主要作用。随着处理主机的增加， 整个系统的成本大大提高。同时，在室外恶劣条件下使用时，主机故障率很高。虽然大多采用无风扇结构和嵌入式系统，但仍存在稳定性问题。价格和稳定性因素一直限制着整个系统的发展。
智能交通摄像头的主要元素:车和人
在今年之前，对智能交通摄像头的普遍理解是，交警行业更注重违法行为和证据链的有效性，而公安行业同时注重车辆特征和驾驶员的人脸信息，是公安监控的重要数据源之一。一些一线城市甚至严格要求人脸尺寸为100x100像素；
但在交警行业，由于证据链的主体只有车辆和违法流程，因此存在很多扣分的现象。在交通管理科学研究院发布的《闯红灯自动记录系统通用技术要求征求意见稿》中，我们注意到了更新的内容:“驾驶员面部特征采集”。这是对违法闯红灯取证严谨性的标准更新。虽然是否会在新标准中实施还不得而知，但足以反映出标准制定部门对这一应用趋势的认可。《驾驶员面部特征采集》标准草案说明:系统应能记录机动车闯红灯行为对应的驾驶员面部特征图片，驾驶员面部分辨率应不低于50×50像素， 可以作为认定机动车闯红灯违法驾驶员的参考依据。对卡口过往车辆图片中的驾驶员人脸进行特征切割，作为公安监控人脸数据库的数据补充。这样就对智能交通摄像头的分辨率和清晰度提出了更高的要求。相信高清和超高清将是未来产品应用发展的一个趋势。从功能设置上可以看出，这种变化也来源于交警行业的业务诉求:严密的违法取证证据链，规范的违法处罚流程，遏制驾驶积分非法交易。在发布的《基于交通技术监控记录处理交通违法行为的指导意见》中，也有相应的要求:“通过辨认证据图片、图像或者当事人的书面陈述、签名，询问当事人，收集证人证言，审查当事人提供的证据，能够认定机动车驾驶人的，应当固定证据，依法处罚驾驶人。”
高清是近年来交通摄像机的显著进步。在交通摄像机的应用上，目前主要应用的是高清卡口和高清电子。过去，由于技术原因，道路监控系统的清晰度无法提高，这将影响系统的准确性。如今，在高清视频监控发展的推动下。交通摄像机经历了从标清到130万、200万、300万、500万甚至800万高清的发展过程。一些厂商的800万像素卡口和电警产品也已经量产并投入实际应用，很大程度上满足了用户对更高细节的要求。随着高清需求的发展，在交通监控系统中，摄像机的低分辨率已经提高到200万像素， 而500万像素超高清摄像头产品也逐渐成为中坚力量。随着清晰度的发展，我们不能忽视相机帧率的发展。交通摄像头高清化发展比较早，300万、500万等高像素的应用比传统安防领域要早很多，但其帧率却高达8-10帧，低至3-5帧，实在令人惊讶。在道路监控中，高速行驶的车辆对摄像头的要求非常高，如此低的帧率根本无法满足应用需求。50帧高清300万交通摄像机吸引了众多目光，同时也实现了智能交通摄像机向高帧率迈进的步伐。
智能交通摄像头的智能化时代(10年以来)此时，我们迎来了智能化时代，摄像头真正成为了“有脑子的智者”。主要体现在以下几个方面:
首先，前端只有一个摄像头。摄像头采用H.264+JPEG双码流技术，其中H.264视频流用于车辆检测，JPEG用于车辆抓拍，从而整合了前两个摄像头的工作。同时，摄像头内置DSP处理芯片，集车辆检测、抓拍、图片识别于一体，兼容处理主机的工作。真正实现了集成，降低了系统成本，给网站建设和整个系统的稳定性带来了革命性的变化；
其次，利用车辆轨迹跟踪算法，与虚拟线圈相比，跟踪算法可以实现更规则的检测和更精确的检测；通常使用背景建模和前景建模技术。背景建模是基于背景检测的技术:当没有车辆通过视频检测窗口时，视频显示出道路、路边建筑物、树木等物体的成像特征，这些特征在相邻帧的视频流中发生微小变化，因此可以检测相邻视频序列中设定区域的图像特征变化，确定车辆的进入、停留、移动、变化、离开等事件特征，从而实现系统抓拍。优点是计算量小；实现简单；对系统处理单元的要求不高，适合嵌入， 这对提高捕获系统的整体稳定性具有重要意义。缺点是检测指标不稳定，易受天气、光线、阴影、非机动车要素
前景建模有两种，包括车辆检测和车牌检测。基于前景检测的车辆检测技术实现源于以下设置:当车辆通过视频检测窗口时，车辆特征会在一定时间段内连续出现在视频序列中的特定区域，进而判断车辆进入、滞留、移动、变化、消失等事件特征，实现系统抓拍。优点是对有车牌的车辆检测准确率高，检测性能稳定，能很好地适应各种天气、光线、阴影、非机动车元素、成像设备抖动、传输链路噪声和车辆行驶特性的干扰。缺点是无法检测无牌照车辆；与此同时， 它受制于图像整体大视野中车牌特征的稳定性变化。比如当车牌变得无法识别时，无法给出更详细的车辆行驶特征，从而失去对深层行为的判断能力；
车辆检测是前景建模的另一种方式，基于前景检测技术实现。车身检测特征是指车身作为前景检测特征，如车身中的颜色、线条、交叉点等；优点是灵活性和鲁棒性高，可以检测无牌照车辆，还可以更详细地检测车辆行驶特征，进行深度数据挖掘；不像车牌检测法那样稳定，占用大量系统资源，对处理器性能要求高。随着装载量的降低，系统整体性价比不高。