进入二十一世纪以来，我国社会和经济得到快速发展，城市化进程不断加快，城市道路的交通压力也在不断增大，城市交通拥堵现象愈发严重，且机动车数量的日益增加导致城市道路交通事故频发。传统的交通事故检测和查阅通常是通过人工监测的方式进行的，但这种方法效率低、实时性较差。随着智能交通的迅速发展以及计算机视觉技术的广泛应用，利用视频图像处理技术对道路监控视频进行实时分析、智能检测交通事故、获取交通信息成为了研究的热点。对交通事故的实时检测不仅可以减少警力资源的浪费，而且对于提高交通事故处理效率有着重大的意义。本文主要基于视频对交通事故的自动判别算法进行研究，论文的主要研究内容如下：首先介绍了运动目标检测的技术难点，归纳了初始化背景模型的常用方法，并利用均值法背景建模方法提取背景图像，获得初始背景之后，通过背景更新算法使背景及时更新到当前状态；然后利用背景差分法提取差分图像，并对车辆阴影进行去除后进行连通区域标定，实现运动目标的检测。通过进行实验并进行效果分析，验证了算法的有效性。运动目标跟踪算法部分，首先介绍了卡尔曼滤波器的工作原理，应用卡尔曼滤波对运动目标进行跟踪与匹配，利用运动前景的质心距离和面积大小作为匹配参数；运动目标特征提取部分，首先对摄像机标定算法进行分析，然后根据前一章运动目标检测和匹配跟踪的结果，通过提取前景目标的运动信息，计算目标的速度、行驶方向和轨迹等特征。通过卡尔曼滤波预测运动目标下一帧质心点坐标，并与检测到的前景质心位置进行比较，判断检测到的前景是否为重合的前景，如果两个前景目标发生重合，则发生了交通冲突。然后，对交通冲突作进一步判断，提出了综合车辆减速度、行驶方向变化率和时间参数的自动判别交通事故的算法，对车辆造成的遮挡情况和伪碰撞现象进行识别，最终判断交通事故是否发生。最后通过实验进行验证，证明了判别算法的有效性，同时分析了实验存在的误差。