通过视频序列检测交通事件是目前国内外在智能交通领域中检测交通事件较为前沿的一种方法，而提高事件检测的准确性，降低其误报率是当今研究的热点。本文从基于视频的交通事件检测技术的国内外研究现状及意义出发，对视频检测过程中涉及到的关键技术和方法进行了分析与研究。高速公路隧道结构大都封闭复杂，确保隧道内部交通安全具有非常重要的意义，本文针对道路交通中的隧道事件进行了深入研究，主要研究内容如下：（1）对当前各种运动目标检测算法进行研究比较，对隧道内视频场景的特性及复杂性进行分析之后，针对高速公路隧道交通事件检测复杂多变的特点，选择基于差异深度积累的目标检测算法，在背景建模过程中引入了差异深度矩阵来记录图像的变化，背景准确、干净、抗干扰能力强，能够得到准确的检测结果。（2）提出了一种基于相邻稳态视频图像差异的事件检测方法。利用数字视频和图像处理技术对灰度视频序列进行分析和计算；进而得到视频图像的灰度值、纹理值、方差值等基本特征；然后从这些数字特征中提取出相应的稳态特征，对稳态特征进行分析判断，通过寻找视频序列中前后两个相邻稳态的参数差异，据此来判断是否有交通事件发生。经大量实验表明，该方法检测灵敏度高，误报率低，有一定的实用价值，应用前景广阔。（3）对当前各种运动目标跟踪算法进行分析研究，剖析了算法的特征和适用范围。对较小运动目标来说，基于区域特征匹配的跟踪速度快、跟踪精确。由于运动车辆接近满足高斯线性条件，所以卡尔曼滤波为最优解。