夜间高速公路相比白天更容易发生交通事件,导致交通拥堵。随着视频监控系统在高速公路的大范围普及应用,基于视频的高速公路拥堵事件检测得到迅速发展。目前基于视频的拥堵状态判别算法大都适用于光线充足的白天场景,由于夜间高速公路存在照明条件差、环境相对较暗、车身基本不可见等特点,使得现有基于视频的拥堵判别算法难以满足夜间高速公路场景拥堵检测需求。因此,充分利用高速公路现有条件,设计与实现针对夜间高速公路场景的拥堵状态判别算法具有重要的理论和实际意义。本文针对夜间高速公路这一特定场景,在分析了基于视频的夜间高速公路拥堵状态判别问题及难点后,重点研究了夜间行进车辆车灯的提取、适用于夜间的交通参数获取以及夜间拥堵判别模型的建立,最终形成一套基于视频的夜间高速公路拥堵状态判别算法。主要研究内容包括:(1)在车灯提取方面,首先针对夜间视频图像存在的大量噪声问题,运用图像增强的方法进行预处理操作,在降低噪声干扰的同时,增强车灯与背景区域的对比度。然后针对传统的车灯分割方法在夜间高速公路场景下适应性较差的问题,采用基于遗传算法的最大熵双阈值的车灯分割方法。最后针对分割后的图像存在地面反射光干扰的问题,提出基于梯度信息的反射光消除方法。实验结果表明,该方法有效地提高了车灯提取的准确性,同时为准确获取交通参数奠定了基础。(2)在夜间交通参数获取方面,针对在夜间高速公路场景下,由于无光照、车身不可见等导致常用的交通参数难以获取问题,利用高速公路的结构化特点,通过对道路的车道分界线提取来获取该路段的长度及车道数等道路信息,在此基础上结合车灯与道路信息实现夜间高速公路场景下平均交通密度和时间占有率的获取。(3)在夜间拥堵判别方面,针对各交通状态间的模糊性关系,通过分析平均交通密度和时间占有率两个交通参数与道路拥堵间的关系,利用FCM算法对夜间交通拥堵状态进行判别,并通过对投票机制的方法降低误检率,提高了夜间拥堵判别的准确性。最后,综合上述研究成果,形成了一套基于视频的夜间高速公路拥堵事件检测方法,并在VS2010和OpenCV2.4.8平台下进行设计与实现,利用实地采集的高速公路的夜间视频数据进行实验验证。实验结果表明,论文方法能够较准确的提取车灯目标,且在保证算法实时性的前提下,提高了实际场景下夜间拥堵状态判别的准确性。