针对城市道路环境下的排队车辆检测问题,提出一种基于边缘信息和局部纹理特征的综合检测方法。根据交通环境的特点,对比5种不同边缘检测方法的性能,采用Canny算法提取边缘信息,采用改进的LBP方法提取纹理特征,得到车辆的综合检测结果,提取车辆排队长度和车道占有率等交通参数。分别采用综合检测方法、高斯混合模型和帧差法处理快速路、交叉路口、阴雨天气、光线突变、大雪天气、浓雾天气等场景下的视频图像,并采用ROC曲线对检测性能进行量化评价。分析结果表明:在快速路和大雪天气场景中,3种方法检测性能基本相似,最佳检测率分别接近90.0%和60.0%,虚警率分别不超过5.0%和10.0%;在交叉路口场景中,3种方法的最佳检测率分别为77.1%、31.5%、13.6%,虚警率分别为16.5%、3.2%、19.0%;在阴雨天气场景中,3种方法的最佳检测率分别为65.2%、3.0%、62.4%,虚警率分别为10.5%、5.0%、56.5%;在光线突变场景中,3种方法的最佳检测率分别为62.0%、18.9%、39.7%,虚警率分别为10.8%、55.1%、36.0%;在浓雾天气场景中,当能见度较低时,3种方法的检测率和虚警率均接近于0。