在车辆检测算法中,单一的目标提取技术在性能是很有限的。为了得到良好的检测效果,有效的途径之一是使用改进的目标提取技术来进行车辆检测。不同的目标提取技术有各自的局限性,使用没有改进的目标提取技术会使得检测结果达不到满意的结果,这在智能交通的车辆检测中更为突出。如何克服这些缺点以到达较好的车辆检测效果就是本文所要研究的问题。对于相对较有优势的目标提取技术加以改进和完善是一种解决问题的办法。同时我们也尝试使用两种目标提取技术相融合的技术来解决各自技术本身存在的不足问题,并通过互补得到功能更加完善的、更加智能化的系统。本文围绕如何设计有效的车辆检测算法,开展了以下工作:　　1.研究了基于背景差分法的目标识别技术,重点研究了该算法的核心部分背景提取的各种算法,分析了各个算法的优缺点,为后文中自适背景更新的车辆检测算法中背景提取的算法提供了依据。　　2.研究了基于帧间差分的目标提取技术,分析了帧间差分技术的优势和劣势,并且对帧间差分算法的改进进行了研究。为后文中两种目标识别技术的融合提供了有利的支持。　　3.研究了非监督视频分割的目标提取技术,简要叙述了两种运用比较广泛的算法,但是由于其在智能交通中的使用并不广泛,所以本系统中并未采用此种方法。　　4.研究了自适应背景更新的车辆检测算法,引入了动态阈值获取规范,并且分析了两种阈值获取规范的优劣,将动态阈值获取规范应用于自适应背景更新的车辆检测算法,通过优化动态阈值的获取和更新,以实现自动获取高质量的背景图像和目标区域的提取。在研究了动态多级阈值获取规范后,提出了用动态多级阈值来代替动态的单阈值的方法,希望提高自适应背景更新车辆检测算法在背景获取和目标区域提取中的图像质量和工作效率。　　5.研究了自适应背景更新车辆检测算法的推广,改进了帧间差分与背景差分相融合的运动目标检测方法。改进的算法糅合了单个算法各自的优势,具备了更好的性能和适用性。