车辆的检测是智能交通系统的一个重要方面,它是其它所有技术实现的基础,如果不能准确地检测出车辆,其它各种处理结果就很难得到保证。在智能交通控制系统中,车辆排队长度也是关键的交通参数之一。本文对车辆检测方法和车队长度检测方法进行了一定的研究,主要工作如下:首先针对昼间车流密度高的特点将类Haar+Adaboost分类器的统计学习方法用于昼间车辆检测,并在检测后进行一定后处理去除虚警。实验结果表明,在车流密度较高的情况下仍能快速地检测出车辆,明显优于运动目标检测的效果。其次针对夜间车辆特征不丰富的难点以Hough圆检测为核心,设计了一种夜间车辆检测方法。实验结果表明,在车流较稀疏的情况下,该方法能够正确且快速地检测出车辆,是一种可行有效的夜间车辆检测方法。然后针对昼间、夜间车辆检测结果的漏检、错检问题,提出了一种基于Kalman滤波器的4状态跟踪算法,通过跟踪算法不仅前后帧车辆信息联系起来,也去掉了一些虚警并在一些帧中补全了漏检的车辆,使检测效果变得更加稳定。最后提出一种基于视频的车辆排队长度检测方法,对通过固定摄像头得到的视频序列,综合利用车辆检测和运动检测来计算车辆排队长度。先利用Sobel边缘提取进行车辆检测,然后利用KLT特征点跟踪方法来进行运动检测。实验证明,该方法检测运动的准确性和稳定性都很高。