城市交通拥堵日益严重,如何快速有效地检测拥堵状态对于解决交通拥堵具有极其重要的意义。大多数现有的拥堵检测系统存在成本高、维护难、计算量大、复杂度高且难以满足系统小型化要求等问题,本文针对这些问题设计并实现了一种基于机器视觉的轻量级的道路交通拥堵检测系统。本文主要研究工作和成果主要包括：1.利用以点代面的设计思想,通过定制车道和设置采样点大大缩减图像处理所需要的计算资源和存储资源,从而使得基于机器视觉的交通拥堵检测算法能在嵌入式设备上运行,实现道路交通拥堵的前端轻量级视觉自动化检测；2.模拟人类视觉在感知道路时表现出的整体性和简单性等特点,以道路为研究主体,提出了基于采样点的拥堵检测方法,采用背景差法和帧间差分法相结合的处理方法分别得到非存在采样点、存在采样点、移动存在采样点和静止存在采样点,根据存在采样点的空间分布情况获取车道占有率、车流量以及排队长度等交通流参数,根据存在采样点和静止存在采样点的空间分布状况对道路交通的拥堵状况进行直接分析,使交通拥堵状态的判别更直观、更简单、计算量更小,同时克服了交通拥堵检测对交通状态参数的依赖；3.本文分析了RGB和HSV颜色模型在道路背景建模中的优缺点；根据背景像素点反映环境变化的特性,设计了一种基于采样点的自适应背景建模方法,通过对背景像素点和前景像素点采取不同的更新策略,解决了传统自适应背景建模方法中将前景像素更新为背景像素的问题；4.由于车辆的阴影会对检测产生干扰,本文通过分析HSV颜色空间的特点,设计并实现了一种基于HSV颜色空间的阴影消除方法,并取得了较好效果；5.完成了系统的设计与实现。系统分为检测节点和控制节点两部分,检测节点主要完成视频图像的获取与交通拥堵状态的检测功能,检测节点在嵌入式设备中实现；控制节点用于初始化道路参考背景图像信息和显示检测结果,控制节点在PC机中实现。