作为智能交通系统(Intelligent Transportation Systems, ITS)的核心组成部分,先进的出行者信息服务系统(Advanced Traveller Information System, ATIS)可以提供多种交通方式的出行计划和路线引导,是缓解交通拥堵的有效手段。实时、充分、准确地识别道路交通运行状态,获取道路实时的交通流参数是提同ATIS服务质量的关键。为了能够实时、充分、准确地识别道路交通运行状态,需要在道路网络中布设足够多的检测器。但是,由于交通检测设备价格昂贵、安装维护困难等原因,实际上路网中分布的能提供实时交通信息的检测器相对较少,远不能满足ATIS系统对实时交通流信息的需求。与此同时,在交通路网中广泛分布,且作为交通管理和控制的重要手段之一的闭路电视监控系统(Closed Circuit Television, CCTV)却未引起人们的足够重视。CCTV监控系统可以提供实时的交通画面(即CCTV快视图),这些画面中蕴含了丰富的交通信息,具有潜在的巨大应用价值。但由于其硬件限制和其自身数据特点,至今仍没有被作为交通信息检测的有效数据源,未发挥其应有的作用。本文将CCTV快视图纳入交通信息检测的数据源,提出基于CCTV快视图的交通流参数估计的系统体系框架,并开发了相关算法模型。该参数估计模型可以从CCTV快视图中准确有效地估算出交通密度和交通速度。模型不需要对现有的CCTV监控系统进行硬件改造,能充分利用现有资源,极大的拓展了实时交通信息的数据来源及空间分布,丰富了实时交通信息系统的采集手段,具有重要的理论研究意义和现实意义。本文的主要贡献与创新点如下：(1)深入分析了CCTV快视图图像序列低更新率、低信噪比、低分辨率和镜头旋转缩放等特点,并在此基础上对比分析了采用CCTV快视图图像序列与视频数据进行交通流参数检测的异同点。首次将CCTV快视图图像序列纳入实时交通信息检测的数据源,极大的扩展了交通流信息的来源,丰富了交通信息采集手段；(2)针对CCTV快视图的特点,提出了基于CCTV快视图图像序列的交通流参数估计的整体模型与解决方案,模型由图像预处理、背景重建、车辆检测和交通流参数估计四个模块组成。模型不需要对现有的CCTV监控系统进行硬件改造,能充分利用现有资源,为交通信息检测提供了新的思路并作出了有益的尝试；(3)针对CCTV快视图图像序列的特点,开发了低更新率图像序列的背景重建与更新模型,该模型只需极少数量的(一般少于10帧)图像就可以快速准确地恢复出背景,并实现了背景的动态更新。该背景重建模型具有很好的适应性与鲁棒性,为车辆检测及交通流参数估计奠定了坚实的基础；(4)提出按照车辆的道路面积占有率计算交通密度的思想,并结合标定后的速度-密度关系模型估算交通速度。实测结果表明,模型能准确有效的从CCTV快视图中估算出交通密度和交通速度。