国民经济的大力发展在给人类进步和生活带来积极影响的同时,也给道路交通带来了巨大的负面影响。在此背景下,将车辆和道路结合起来的智能交通系统(ITS)为现代交通管理指明了发展方向。其中,交通流量等参数的获取又是ITS中至关重要的一环。基于视频的交通流的检测以其方便的安装、低廉的价格和极高的灵活性越来越受到世界各国的青睐。基于视频的交通流检测最终目标是车辆的识别和检测。本文通过对几种检测方法的对比采用了结合帧差的背景差分的方法对车辆进行检测。背景的生成方法采用了混合高斯建模的方式。考虑到车辆阴影对车辆检测的负面影响,本文着重介绍了阴影去除的方法。考虑到运算复杂度和检测的精确度,本文提出了一种在CIELuv空间进行背景建模和结合纹理信息检测检测阴影的方法。经试验表明,本文提出的改进方法能够准确的提取出车辆阴影,并能够完整保留目标车辆的信息。车辆的识别是在成功进行背景差分获得运动前景的基础之上进行的。对于前景图像首先进行图像分割的处理,然后通过对目标的面积和轮廓的特征的提取进行车辆的识别。对识别出的运动车辆进行计数和速度分析,从而获得当前交通状况的具体数据。通过实验验证,基于结合帧差的背景差分的交通流的检测,能够准确的检测出车辆前景。CIE Luv空间的L分量能够准确而快速的进行背景的建模和阴影的检测,对现有的方法进行了有效的改良。该视频检测方法计算复杂度小、检测精度高、能够实时的获得车流量、速度等交通参数,可以成为智能交通的重要检测手段。