本文主要研究交通流量的检测。在目前的各方法中,视频检测是研究得最多的一种方法。视频检测是建立在机器视觉的基础之上的。机器视觉是在图像处理的基础上发展起来的新兴学科,在计算机科学和工程、信号处理、物理学、应用数学和统计学,神经生理学和认知科学等研究方面以及在制造业、检验、文档分析、医疗诊断和军事领域等各种智能/自主应用方面,都有非常广阔的发展前景。本文在对前人工作研究总结的基础上主要做了以下三点工作:(1)研究了一种背景建模算法。针对目标运动物体的特点,本文在对各种检测方法进行比较分析的基础上,重点研究背景差法来检测交通流量。背景差法中,最关键的环节是真实背景的重建,所用背景的好坏与流量检测的准确率息息相关。本文在对各背景建模法进行比较分析的基础上,提出讨论了一种新的背景建模算法重建出背景,为准确分割出运动目标打下了基础。(2)研究了一种阴影去除算法。在真实的场景中,环境处于实时变化之中,在光线较强的情况下,道路中的车辆会伴随着阴影出现,阴影的出现会影响车辆目标分割的准确度,可能会把两相距较近的车辆连接为同一车辆。本文针对阴影的特点,详细分析了阴影与车辆前景的差异,在此基础上提出了一种阴影去除算法。(3)研究了一种运动跟踪算法。在智能交通系统中,车辆的跟踪具有重要意义。车辆的跟踪为对其行为分析打下了基础。本文在分析了目标的运动特点之后,把特征点与运动预测相结合进行研究,取得了较好的效果。本文所提的各算法都是使用C++语言实现,通过对采集的大量视频进行测试验证,本文所研究的方法能取得较好的效果。