近年来,随着我国经济的快速发展和交通的日益便利,我国汽车保有量呈指数级增长,行人出行的风险也在逐步上升。在我国城市道路交通监控系统中,有大量实际的城市道路交叉口路段监控视频。通过交叉口断面监控视频,可以了解道路交通和路况信息。但是它无法实时判断道路的交通状态,使拥堵等异常事件演变成更为复杂的事件,最终导致交通压力急剧上升,从而影响正常交通。因此,本文针对我国城市道路交通监测压力愈加严重的形势结合城市道路交通路口路段监测的实际情况。研究一种交通状态感知技术,有效地收集、处理交通信息并计算结构化交通流数据来感知交通状态。本文针对拥堵交通复杂路口场景下行人车辆目标小,车辆与车辆、行人与车辆、行人与行人间遮挡严重等问题。利用目前我国道路交通路口路段视频监控系统中丰富的道路监控视频设计并构建道路交通车辆行人数据集。设计行人车辆混行检测算法,测算结构化交通流数据并分析拥堵情况。本文在YOLO V4目标检测算法的基础上在特征提取网络中设计加入FCSPnet,并修改损失函数和NMS算法。实现行人车辆检测跟踪并结合视频结构化手段计算道路结构化数据进而感知交通状态。该技术根据道路实际应用的路口路段场景针对行人车辆混检算法进行改进调整从而提升算法检测精度和运行效率。将人车目标检测、目标跟踪、结构化交通数据的计算等技术结合并集成,通过视频结构化的手段对道路交通的状态进行感知。本文采用人车混合检测算法构建道路交通感知系统,对视频监控区域内的人车运行状态和区域交通状态进行检测和分析,对道路拥堵状态进行检测和识别,计算结构化交通流参数数据,实现对检测路段交通状态的感知。系统对道路监控现场的车辆和行人数量进行实时统计,并将车辆结构参数存储在数据库中。系统对行人和车辆目标的平均检测精度从91.86%提升到了94.12%。