智能交通系统主要是采用计算机视觉、图像处理等技术。它在不需要人工干预、或者只需要很少干预的情况下,通过对摄像机拍录的视频序列进行分析来实现车辆定位、识别和跟踪;并在此基础上分析和判断车辆的行为,还对行为给出语义描述,做到既能完成日常管理,又能在发生异常情况时及时做出反应,从而提供了一种更加先进和可行的智能交通处理方案。本论文是针对道路实时车流量的统计,分析了利用计算机视觉技术来检测车流的整个过程。对实时序列场景的自动更新、车辆的特征提取及车辆的实时跟踪技术进行了重点的研究和讨论。 本文设计实现了一个车流检测系统。这个系统由图像获取、运动检测、形态滤波、连通域分析、运动跟踪等部分组成。针对实现过程中遇到的问题及难点提出了相应的四种解决方法。第一,实现了车流检测背景图像的自动更新。本系统首先从输入的实时图像序列中通过自适应学习的方法重建了背景,但由于天气的变化,会使背景与当前场景图像有亮度的差异,背景不能实时更新将对后续车辆检测造成严重的影响。本文比较了几种背景更新的算法,发现这些算法存在着不足之后,提出了一种基于行处理并利用补偿系数进行背景实时更新的算法,这种算法提高了系统的性能。第二,有效去除了运动目标的阴影。对实时视频图像和背景差分后的灰度图像进行了预处理。由于处理后运动目标