随着我国机动车保有量逐年增多,道路交通安全问题已成为社会的重点问题之一。为对车辆进行异常行为检测,引导驾驶员安全驾驶,智能视频监控技术已经广泛应用于智能交通系统（Intelligent Transportation System,ITS）中,为道路交通安全提供可靠的技术保障。为此,本文将对车辆检测及其属性识别、车道线检测、车牌识别以及应用系统的开发等关键问题进行研究,实现了在道路监控场景下,车辆的属性识别及异常行为检测,包括车辆的颜色、车型与车牌属性信息的识别以及对于车辆变道行为的检测。具体如下:1)针对视频车辆的检测与识别问题,提出了一种基于深度学习的联合检测识别算法。首先采用基于改进的卷积神经网络的视频目标检测算法对车辆目标进行检测,并利用改进的基于B-CNN的多尺度残差双流混合网络模型对检测车辆目标进行细粒度分类,获取车辆属性信息。同时利用卷积神经网络定位并提取车辆目标中的车牌,矫正因拍摄角度原因造成倾斜的车牌图像,获取精确的车牌图块;然后采用端到端的卷积神经网络对提取到的车牌进行字符识别,并对比检测置信度与先验阈值,确定车牌所属地区。实验表明该算法能够很好地完成对交通场景下的车辆检测以及目标车辆的属性识别。2)针对车辆异常行为检测,提出了一种基于固定场景的多车道线检测算法。该算法利用首先通过透视变换提取监控背景中的车道区域并将图像视角转换为鸟瞰视角图像;然后通过像素直方图统计获取图像中的车道线起始位置,利用滑窗统计像素点并获取车道线像素位置信息;最后拟合车道线像素信息获取车道线检测结果。实验结果表明,提出的算法能够鲁棒的检测多车道线,并为该系统的构建提供了重要的车道线信息。3)基于上述提出的算法,设计并开发了一套基于道路监控场景下的车辆压线检测以及车辆变道检测系统软件。该系统软件采用用户界面与逻辑分离的设计方法,用户界面具有友好的人机交互性能,其检测逻辑分模块化构成,有利于后续的功能优化。该系统通过数据库存储检测数据,为道路交通监管部门对交通问题的分析及解决提供了有力的数据支持。