当今社会发展日新月异,经济的迅猛发展造成了车辆的急剧增加,而我国道路拥有量却不能满足车辆增加的需求,在这种矛盾下,智能交通系统(ITS)应运而生。视频交通信息检测技术是ITS的重要研究内容之一,该技术通过对交通图像的智能化分析和处理,检测到所需的多种交通流参数,这些参数对于交通的智能化管理具有重要价值。因此车流量信息提取作为智能交通系统的基础是整个系统的关键步骤之一。论文从理论探讨、算法实现、实例验证等角度对交通流检测系统的关键技术进行了深入研究,其主要工作如下:(1)论述了图像的预处理技术,通过分析和比较多种图像滤波和增强的方法,选择中值滤波、线性变换等方法进行交通图像的预处理。(2)对预处理后的图像,采用基于背景图像差分检测方法进行车辆运动的实时检测。这种检测方法对背景模型的构造和更新要求很高,论文在传统方法的基础上,提出一种基于混合高斯分布背景模型的构造方法,经验证,这种方法实时性,抗干扰性满足实际需求。(3)对上述方法检测到的背景和车辆目标进行二值化分割,阴影去除及特征提取后,实现了车辆的实时检测。对于二值化分割,本文通过对比采用基于最大熵阈值法确定阈值。经验证,最大熵阈值法分割效果较好。针对阴影的检测与去除,论文采用了基于互相关函数法,并通过实例验证了算法的可靠性和有效性。(4)提出一种基于区域匹配和卡尔曼滤波相结合的车辆跟踪算法,对进入摄像机视野的车辆,建立车辆参数控制表与每个区域的对应关系并更新控制表,然后对其中的车辆进行相应的处理,通过建立车辆控制链表记录每辆车的状态,为交通信息的提取提供了可靠的数据来源。整个跟踪过程分运动目标区域提取、区域预测和区域匹配更新三部分。通过实例验证了该算法的实时性和有效性。