随着我国高速公路网的逐渐完善,交通事件也随着公路里程数的增加越来越多,高速公路行车安全的重要性凸显。交通事件发生后的及时发现、处理、救援也成为高速公路管理人员关心的问题,针对高速公路交通事件的检测一直是研究交通安全的学者重点研究方向。近年来随着高速公路监控摄像头的普及应用,通过图像处理技术对视频中的交通事件进行检测也成为研究热点。本文对连徐高速公路交通事件的检测和处理流程进行梳理,在连徐高速现有的软硬件基础上构建了交通事件检测系统,并重点对系统的数据处理模块进行研究,最终实现了对交通事件的检测和报警。论文先对高速公路事件检测系统进行了结构和流程研究,然后提出建立基于图像处理技术的数据处理模块。数据处理模块的核心算法是目标检测算法和目标跟踪算法。采用传统的背景差法目标检测算法对视频图像中的运动车辆进行检测,然后用改进的Camshift跟踪算法对运动车辆进行跟踪,从而检测视频中的车辆运行状态并及时对不正常交通状态进行处理。传统算法实现了对运动车辆的检测和跟踪功能,但是无法应对大流量车流和晃动的视频。论文对高速公路运动目标的特性进行研究,选取了基于YOLO-v3算法的数据处理技术,实现了对运动目标的检测追踪,在出现堵车和交通事故时,可以实现报警功能。在基于YOLO-v3的数据处理模块中,本文采用了用于行人跟踪的Deepsort算法,并在VOC2007数据集中进行了训练,完成了对车辆的检测追踪和报警。本文研究数据采集自G30连徐高速公路段监控中心的真实数据,实验算法以python等软件为编程平台,研究结果表明,本文研究的高速公路交通事件检测系统可完成对视频中交通事件的检测,提高检测率,为高速公路安全管理提供借鉴指导。