智能交通系统被认为是未来交通的发展方向。获取实时的道路交通信息是智能交通系统实现的基础，实时的道路交通信息包括道路的车流量信息、车速信息等。本文主要研究基于固定摄像头的车流量检测技术，对整个过程中所涉及的目标检测、阴影检测与去除、车辆跟踪和计数等进行了重点研究。本文主要分为五个部分：一、视频图像预处理。比较和说明了中值滤波和均值滤波；介绍了RGB颜色空间中色彩灰度化的原理和方法；详细分析了一种自适应的阈值确定方法，并介绍了腐蚀、膨胀、开操作和闭操作等形态学处理操作。二、运动车辆检测。介绍了目标检测的常用算法，并提出一种融合帧差法和混合高斯模型的分时域和空域更新学习率的背景建模改进方法。本算法首先利用帧差法在初始化的T帧之内将视频帧分为不同的空间区域，对不同的区域赋予不同的混合高斯模型学习率，T帧之后在时域内以间隔帧的方式进行背景更新。实验表明本算法能够在较短时间内去除鬼影以减少误检率，并通过间隔帧更新提高了算法的实时性。三、车辆阴影检测。阐述了阴影产生的原理及特点；讨论了阴影检测的分类；介绍了基于颜色空间和纹理信息的四种阴影检测算法，进行实验对比后得出HSV颜色空间的效果最优，详细介绍了阴影的去除及目标重建工作。四、运动车辆的跟踪与计数。研究了基于卡尔曼滤波跟踪算法的车辆跟踪与计数。利用同一辆车在相邻两帧中质心位置和跟踪窗面积大小相近的特点对运动目标进行匹配，并结合卡尔曼滤波完成了车辆的跟踪与计数。五、系统平台的实现。设计了一套车流量检测与计数系统，并利用该平台进行了样本视频测试和车流量信息统计。结果表明该系统基本满足实际道路的车流量检测需求。