高速公路的发展对于城市交通有着非常重要的价值和意义,高速公路的出现提高了行车效率、降低了运输成本和能源消耗,产生了巨大的经济效益和社会效益。但凡事有利有弊,由于其高速度、大流量的特点使得交通事故时有发生。因此为了避免交通事故的发生、尽可能地保障人们的行车安全,减少交通事故发生的概率,进一步提升高速公路的运行效率,对智能化交通系统的研究就很重要了。智能交通系统包括诸多部分,其中智能化视频监控系统是其中的重中之重。本文以智能化高速公路视频监控系统为主题,针对视频监控系统中的车辆目标进行研究,对视频图像进行背景建模、背景更新、目标检测、阴影消除、目标跟踪等一系列处理,实现高速公路的智能化视频监控。本文针对上述过程进行了算法设计与实现。本文主要工作包括:1.分别采用背景差分法和混合高斯背景建模方法对场景进行背景建模,实现运动目标的检测。背景差分法原理简单,算法设计相对容易,适合实时的图像处理。优秀的背景模型的建立对于背景差分效果有很大提高。在普通的二值化处理中,对整帧图像采用同一阈值进行二值分割,在实践中我们发现无论如何动态调整阈值都是得不到理想的处理效果的。事实上画面中的每个区域都应有不同的分割阈值,所以全图设置统一阈值的分割方法存在明显不足,而混合高斯模型的算法是对局部进行分割,不会出现上述问题。2.在阴影消除方面,本文提出了一种基于传统HSV颜色空间算法的改进算法。运动目标的阴影消除可以提高对目标检测的精准度,得到更好的效果。本文在总结HSV颜色空间相比RGB颜色空间更有优势的前提下,针对传统HSV颜色空间下因车体内部或车辆运载物的颜色特征与阴影区域过于相似,导致车辆区域与阴影一起被消除的问题,本文通过添加图像区域信息的方式进行算法完善,改进后的算法弥补了之前算法的不足,提高了检测准度。3.本文提出一种多目标跟踪算法以及处理遮挡状况时的跟踪策略。使用卡尔曼预测器与目标几何特征结合处理对多车辆目标跟踪问题,通过综合目标的质心和面积等几何特征处理多目标出现遮挡的情况。由于遮挡会导致目标数量的变化,通过归纳总结卡尔曼预测器得到预测的目标个数与视频中获取的真实目标个数,找到不同情况的目标数量的逻辑联系,进行分组讨论,制定具体跟踪策略。