智能交通系统(ITS)是当今世界交通领域研究的热点，计算机视觉技术在ITS中的应用得到了国内外的广泛关注。交叉口是公路交通网的关键节点，交叉口处的车流参数检测和控制算法的性能评份具有重要意义。鉴于此，本文主要针对城市单交叉口研究了运动车辆的视频检测和场景的三维复现，旨在探讨基于视频的车辆参数检测方法并构建一个三维的数字化虚拟场景平台，为交叉口控制算法的性能评估及其它相关研究提供一个直观的支持环境。论文主要内容如下：　　 首先研究了交通摄像机的标定问题。精确的摄像机标定能够为后继步骤中通过二维图像求解实际交通参数并由此进行的车型识别提供精度保障。为提高标定精度，论文对交通图像进行了必要的预处理操作，并从实用角度出发设计了一种基于斑马线的摄像机在线自动标定方法，通过自动提取一条完整的斑马单线来获取它的四个外顶点坐标，在此基础上充分利用斑马线长度和宽度固定可知的事实来完成路面与像平面间的单应性矩阵求解。　　 其次研究了视频序列中的多运动车辆检测与活动阴影消除。综合分析了背景差分技术和帧间差分技术的优缺点，设计了一种基于改进帧差法的多目标检测与背景重建算法，实现了运动车辆的完整提取；提出了一种具有柔性特征的动态窗口纹理分析算法并基于图像局部纹理相似性原理完成了目标的活动阴影消除，减少了阴影所造成的检测误差。　　 然后研究了运动车辆的跟踪分析与车型识别。在对现有的主要跟踪方法进行分析的基础上，基于灰色预测模型GM(1,1)和区域多特征联合匹配实现了车辆跟踪；提出了一种基于模糊推理的车型分类方法，构造了车辆的“形状投影量”参数并根据车辆投影长度及形状投影量完成了车型的分类，为后继的参数提取和场景复现奠定了基础。　　 最后对前述系列算法进行了整合实验并研究了交通参数的提取和场景的三维复现。整合实验中以采集于某交叉口的1175帧视频为素材进行了车辆检测分析，得到了车流及场景的系列参数，为后继复现提供了数据支撑。实验结果表明，算法的检测精度达90.2％，误检率为5.88％，漏检率为3.92％。最后采用VC++6.0结合OpenGL图形函数实现了场景的复现，在计算机虚拟空间中根据检测所得的参数数据重构出三维交通场景，为交通控制算法的直观分析和评价提供了支持。