近几十年来智能交通系统(Intelligent Transportation Systems简称ITS)的理论和应用研究在各国掀起了热潮。它的全面研究涉及到交通工程学,智能控制科学,计算机视觉和图像处理,模式识别等学科。也是目前解决交通拥挤问题的最有效方式,其中交通信息检测是智能交通系统的基础性工作。本文根据智能交通控制与仿真对于交通流量、车辆到达率、车辆速度等交通信息检测的需求,基于视频图像进行了交通信息处理的算法研究与实现,主要工作包括以下几个方面:将先锋遗传算法应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确的将图像中不同灰度的车辆从背景中分离出来;采用支持向量机理论进行了车辆自动分类的仿真研究,仿真结果证明该方法能够比较准确的将车辆的类型进行识别;改进了基于背景自动更新的虚拟检测区域算法,提高了车辆检测的实时性和准确性;并对基于虚拟检测区域的图像处理算法实现进行了详细说明;论文中还介绍了基于灰度连续性的运动车辆特征提取算法进行车辆的特征提取以及采用彩色过滤器同灰度图处理相结合的定位方法进行车辆牌照定位的实现方法。论文的最后给出了设计的交通参数检测软件运行结果,将交通流量、车辆速度、车辆到达率等参数进行可视化显示;并提出了进一步改进与完善的建议。