随着高性能摄像设备的普及以及计算机和模式识别技术的发展，智能视频监控技术在社会生活的各个方面得到了广泛的应用。在智能监控系统的实现中，从图像中自动检测出其中的车辆是一个关键问题，在军事、智能交通管理、刑侦、安防等领域都具有重要的应用，对于平安城市的建设具有重要的意义。目前，虽然人们对车辆检测已开展了一些研究，但现有的算法还很不成熟，无论在准确性方面还是在计算速度方面都无法满足实际系统的需要。为此，本文利用图象处理和模式识别的方法对车辆检测问题进行了研究。本文完成的主要工作如下：1.研究了静态图像中的车辆检测问题。1)首先以同样大小的只含一辆车的大量图象和同等数量不含车辆的图象作为训练样本，提取图象的特征，用PCA和LDA方法进行降维，再利用AdaBoost, SVM，PLS或RF等方法通过训练建立分类器，对车辆和非车辆图象进行分类。2)对于任意大小的图象，本文采用的方法是：首先对其进行缩小或放大操作，然后，在图象的左上角取和训练样本同样大小的块，通过已建立的分类器判断该块中是否有车，然后，按一定步长在图象中移动该块，逐块进行判断,直至检测出图象中所有车辆的位置或给出图象中无车的信息。其中的创新点是：1）首次将偏线性回归(PLS)应用于车辆的检测中，提出了基于C1特征和偏线性回归的车辆检测方法；2）首次将随机森林应用于车辆检测，提出了基于C1特征和随机森林的车辆检测方法。实验结果表明，本文提出的方法具有较高的识别率。2.研究了视频图像中车辆检测的问题。其基本步骤是：首先对视频图像进行预处理，然后，用运动目标检测方法提取出运动目标区域，最后，对运动目标区域运用静态车辆检测的算法进行检测。3．基于Matlab R2008b软件平台，开发了一个车辆检测的原型系统，实现了上述各种静态图像检测算法和视频图像检测算法，并通过实例对各种算法进行了验证和比较。