智能视频处理目前在“智能交通”、“智慧家居”等方面有了普遍应用,通过对视频监控进行分析,能够有效的进行交通管理,保证广大人民的财产安全。车流量检测是智能视频分析领域中的研究焦点之一,然而流量检测目前面临检测速度慢、准确率低等问题。基于车辆识别的流量检测方法在车辆识别的基础上进行车流量的检测,通过车辆识别模块能够提高检测速度和准确率。为了提高流量检测处理速率,降低检测误报率,得到效果更优的方法应用在真实的场景中,论文对此展开了深入的研究:(1)研究背景更新、阴影去除相结合的运动目标检测方法。使用混合高斯模型进行背景建模和背景更新,背景差分法和三帧差分法取或运算实现前景提取,同时实现基于HSV色度空间的阴影去除算法,减少阴影造成的车辆误检、车辆粘连、车型变化等问题,通过缩小运动车辆检测的区域面积提高处理速度。(2)研究多特征融合的方法实现车辆特征提取。融合LBP特征、颜色矩特征、Hu矩特征、圆形度与角度特征以及傅立叶描述子特征,通过混合特征来训练分类器,得到分类性能更好的分类器。(3)研究目标跟踪算法,针对识别到的车辆,用目标跟踪的方式记录后续视频序列中车辆的位置。(4)研究目标跟踪与虚拟检测线结合的流量统计方法。通过目标跟踪算法跟踪标记车辆位置,然后通过车辆位置变化判断是否经过虚拟检测线,通过检测线则进行流量计数,实现流量统计。论文着重研究了运动目标检测、特征提取、分类器训练等涉及的技术,设计了整个流量检测方法,在此基础上完成了基于车辆识别的流量检测系统的实现。最后,进行软件系统功能和性能测试,结果表明:论文设计的方法,构造了性能优的分类器,改善了处理速度,并且提高了流量检测的准确率。