城市交通问题日益严重,而基于视频的路口智能交通事件分析系统是解决此问题的关键,运动目标检测、目标跟踪和交通事件分析技术是实现智能交通事件分析的最重要技术,本文分别对他们进行了深入研究。　　首先针对运动目标检测,本文分析了几种经典的运动目标检测算法,通过分析这几种算法的优缺点,在传统的混合高斯背景建模的方法上,加入停留检测算法,提出了一种基于混合高斯背景建模的自适应更新算法,从而自适应的控制背景更新的速度,既可以解决光照突变引起的背景变化,又解决了大量运动物体停留而导致的背景污浊的问题。并对得到的前景图进行了形态学滤波,运用一种基于色度和纹理的阴影去除算法去除阴影,成功的消除了前景中的干扰噪声,实现了运动目标的精确检测和提取。　　对于目标跟踪,本文提出一种基于多特征模板匹配和卡尔曼滤波器的目标跟踪算法,该算法首先利用检测出的运动目标构建起多特征模板,再根据前后两帧重心距离最近原则,找到与之匹配的运动目标,如果遇到运动目标被遮挡,则转为卡尔曼滤波器进行运动预测,在根据预测得到的预测点周围进行模板匹配,仍然无法匹配时,就把预测点作为目标在当前帧中的位置,从而进行下一步预测,等到目标再次出现时,就可以对其进行稳定跟踪而不至于丢失目标。　　对于交通事件分析,本文在研究地感线圈的基础上,提出了一种基于虚拟线圈交通事件模型的事件检测算法,结合具体场景的不同事件规则,分别给出了闯红灯事件、逆行事件和过车事件的虚拟线圈交通模型,并与目标的运动时空信息(即运动目标轨迹)相结合,成功实现了智能交通事件的准确检测。通过实验证明了本文设计的智能交通事件分析系统具有良好的鲁棒性,满足了实际应用需求。