该文就是对视频车辆检测方法进行研究,根据应用要求的不同,分别从基于静态图像的检测和基于图像序列的检测两个方面展开,做了以下工作:1.提出了一种基于角点检测和模糊聚类的静态图像中车辆检测方法,这是一种局部特征融合的方法,利用改进的plessey角点检测算法检测角点,利用模糊C均值方法对角点聚类,对各子类在原图中对应的区域进行特征提取并用模糊C均值聚类算法把特征空间中的相应点分成两类,认为方差小的类对应于车辆类.方法实现简单,计算复杂度低,在实验条件下可以取得较好的检测效果,但是该方法易受噪声的影响,并且在车辆较多的情况下或者是比较复杂的背景中性能会变差;2.基于图像序列的检测有车辆目标提取、车辆跟踪及参数获取几方面的内容,首先在目标提取上,因为边缘提取本身位置精度不高且不利于后续车辆特征的提取,该文采用了基于灰度的方法,通过对实际交通路况图像的特点分析,提出了一种有效而实用的目标提取算法,有效地解决了光照条件变动所带来的问题.在跟踪算法方面,采用了特征跟踪法,用卡尔曼滤波器来提供各帧基于累积观测的对特征在下帧图像中位置最可能是估计及车速的估计,同时对车辆特征对应及归并条件进行了研究,实验表明在帧速不高的情况下能取得比较好的效果.