随着我国城市交通的蓬勃发展,城市中车辆保有量大大提高,交通系统的发展已经逐渐成为城市化发展进程的一个重要因素,智能交通系统中基于计算机视觉技术的车流量检测已经成为目前研究的重点和热点问题。本文主要研究内容是通过获得的交通视频,提取视频图像中运动车辆的信息并去除车辆阴影得到完整的运动目标,获取交通视频中实时的车流量参数。主要有运动目标检测、阴影去除和车流量统计三个部分组成。在运动目标检测部分,针对运动目标检测易受背景影响及帧间差分易产生空洞的问题,提出了一种基于分块的改进三帧差分和背景差分相结合的运动目标检测算法。该算法利用边缘检测法和均值法建立初始背景模型,将视频图像划分成多个子块,对利用改进的三帧差分和背景差分获取的图像的各个子块进行自适应阈值检测,获取图像中的运动前景目标,背景图像采取自适应更新方法。该方法能够有效地提取运动区域,减少噪声的干扰,具有良好的鲁棒性。在阴影去除部分,针对当前基于YCb Cr颜色空间的运动阴影去除算法的不足,提出了一种结合YCb Cr颜色空间和纹理特征的运动阴影去除算法。通过分析前景区域和背景区域在YCb Cr颜色空间的差值的颜色统计特性,确定阴影区域,利用改进的LBP算子对阴影区域进行优化分割,精确地去除阴影。在车流量统计部分,本文采用虚拟窗口的车流量检测方法,通过统计窗口被覆盖个数的变化来判断是否有车经过。基于视频的车流量检测算法计算简单,能够更加精确地提取车流量参数,通过对实际的交通视频进行测试,能够比较准确地统计车流量。