随着汽车数量的日益增加,交通密度的大幅提高,交通紧张、拥挤问题越来越成为城市发展面临的难题.智能交通系统由于其显著的缓解交通拥挤,提高交通效率的作用,受到了普遍的重视,而视频交通监控技术是实现这一目标的重要手段.该论文的主要研究内容为基于视觉的交通监控方法的研究,其中主要涉及到静止背景下运动目标的检测和分割,运动目标的识别以及车辆目标的跟踪等方法的研究.论文在运动目标检测研究方面,介绍了当前几种经典的运动目标检测算法,并对各个算法进行了实验比较和阐述了各自的优缺点.在此基础上,提出了一种改进的运动目标检测算法,并给出了实验结果.与传统阈值选取一般根据经验人工设定阈值不同,该论文提出了一种基于三高斯模型的自适应阈值选取方法,实验结果表明该方法具有很好的分割效果.另外,该论文还通过基于背景模型的方法对运动目标进行检测,取得了很好的检测效果.在运动目标分割研究方面,与传统的基于欧式距离的K均值聚类不同,该论文提出了改进的基于加权平方欧式距离的聚类方法.实验结果表明收敛速度明显提高,大大增强了实时性.对于分割导致的过分割问题以及路面上车辆咬合现象,通过运动估计的方法得到了很好地解决.在实际场景中,由于光照的原因运动目标产生的阴影会影响后面目标的识别以及跟踪.对此,该论文利用了一种简单有效的阴影去除方法很好地去除了阴影.在运动目标识别研究方面,该论文针对行人与车辆目标具有各自不同的特点,提出了几个适合于分类的特征,并在此基础上利用BP神经网络算法进行识别,取得了很好的实验结果.在运动目标跟踪研究方面,着重讨论了基于区域的跟踪方法,使用了基于运动目标质心的目标跟踪方法.通过连续帧间的位移计算出运动目标的速度和方向来预测下一个时刻运动目标的质心可能处于的位置,缩小了运动目标跟踪时的搜索范围.最后通过质心匹配获得最终的目标位置,从而跟踪到运动目标,获得了很好的实验结果.