智能交通是解决当今由于经济的发展所带来的交通问题的根本办法，车流波是智能交通中的一个基本问题，它的研究需要大量的微观数据。传统上，这些数据是通过埋藏于地下的磁感应线圈给出，但是由于其测量范围的限制，已经越来越不能满足理论研究和实际应用的需求。所以本文主要研究基于视频的测量交通流参数的方法，视频的优点是可以实时提供较大范围交通场景的数据。围绕这个研究主题，本文的研究工作可分为以下几个方面：　　 (1)创建了HW-BJU交通流研究视频数据库，它是一个中等规模的数据库，包括不同的采集点，不同的交通条件，不同的观测角度的视频文件。　　 (2)在公路智能交通场景中，一个主要的难点是许多的位置信息不能够直接实地测量，有时测量存在危险。本文提出一种基于车道标记线间距、长度、宽度和方向的多点优化摄像机标定方法，该算法结合了多平面对应的内部参数算法。在实际的交通场景中，与差分GPS数据结合，对标定的结果进行验证。　　 (3)在车辆定位上，首先提出基于运动信息和Haar-like特征的Adaboost定位方法，同时根据实际车辆的特点，提出4个新的Haar-like特征；在交通场景中，摄像机一般位于一个固定的位置上，通过建立背景模型来检测运动车辆是一个直观想法，本文对基于GMM和Bayes的方法进行比较，通过实验，指出针对于车辆运动的解决方法，并且把些方法实际应用到实际系统中。　　 (4)在交通场景下，单个跟踪算法具有一定的局限性，MeanShift跟踪算法在车辆间存在遮挡，或者车辆受其他建筑物的遮挡的情况下，跟踪效果很差，本文提出MeanShift与Kalman滤波器融合的一种方法，加入了车辆运动的预测功能，提高跟踪效果的鲁棒性。　　 (5)实现了基于视频的交通流参数测量系统VSpeed，该系统根据不同的运行条件，给出了手动和自动两种工作方式，在摄像机标定、车辆定位和跟踪的基础上，计算出某一路段的流量、车辆的速度、加速度、车头时距等参数。同时实现了虚拟线圈视频系统VLCounter。