基于视频分析的车辆检测方法已成为当前的研究热点。目前常用的基于视频分析的车辆检测方法主要是基于目标灰度与背景灰度的差异,利用目标在通过虚拟检测线时的灰度连续变化进行的,这种车辆检测方法在摄像机安装高度较高且在道路中央的情况下能取得较好的检测效果。但是由于工程上的限制,摄像机通常安装在道路两侧且距离地面较低的位置,由于车辆之间的遮挡,利用常用的基于视频分析的车辆检测方法可能会产生错误的检测结果。本文所研究的基于视频分析的车辆检测主要针对摄像机安装高度较低且安装在道路两侧的情况,通过对校正后的三维空间轨迹聚类进行车辆检测。基于空间轨迹聚类的车辆检测方法主要包括稳定特征点的提取,基于贝叶斯滤波的特征点跟踪以及基于聚类方法的车辆检测。本文介绍了利用已知像素坐标信息及其对应空间坐标信息的六个点进行摄像机标定的方法,并提出了利用垂足点作为辅助点,根据投影矩阵计算像素点对应的三维世界坐标信息的方法;鉴于模板匹配跟踪算法上的局限性,本文采用贝叶斯滤波的思想进行运动目标跟踪,考虑到真实三维世界空间中,在观测时间内车辆是近似满足线性运动的,本文采用卡尔曼滤波对空间轨迹进行滤波,并得到滤波后的空间轨迹和图像轨迹;采用将二维图像上的跟踪点逐个映射到三维世界空间中的方法得到运动车辆的三维空间轨迹。在空间设置检测线,对过检测线空间轨迹的高度信息进行中值滤波,并将滤波后的中值作为修正后的空间轨迹的高度信息重新计算图像轨迹的跟踪点到三维世界空间的映射。最后利用方差、纹理及最大距离作为轨迹线的相似度度量条件对3D空间轨迹进行聚类分析并得到车辆检测结果。在不同交通场景下测试本文所述算法,测试结果表明,该算法能有效地用于场景中的车辆检测,满足系统的实时性及准确性要求。