混合交通是我国交通的主要特征。交通信息采集是有效进行交通管理与控制的前提。视频检测技术可自动获取全面的交通场景信息,广泛应用于道路交通数据采集、交叉口控制、交通事故处理、远程视频监控等交通领域,是未来交通信息采集的主要手段。针对混合交通视频检测算法在背景初始化、背景模型更新、阴影检测和物体分类识别等方面存在的主要问题,本文进行了深入系统的研究,提出了一种基于聚类识别的背景初始化算法,能够获取具有运动物体的初始背景,可克服缓慢运动大型物体造成的影响,实现遮挡率大于50%的背景初始化;提出了基于对象级的混合高斯背景模型更新方法,克服了像素级混合高斯模型中长时间停车和交通拥挤等现象可能造成的背景模型不能有效更新、使运动物体成为背景的一部分的问题;提出了基于RGB颜色变化度的自适应阴影检测算法,克服了颜色特性阴影检测方法中固定阈值的缺陷,可根据当前目标的特点自适应地进行阴影检测;提出了基于矩向量的混合交通物体特征提取与表达方法,利用SVM多分类学习机制,建立了基于SVM的识别分类算法,满足了混合交通物体识别的需要。本文取得的上述成果,为进一步研究混合交通视频检测算法奠定了基础。