随着数字图像处理技术的发展,视频处理技术已被逐渐运用于交通检测中,用来改善现有的交通监控系统。通过单个或者多个摄像头来采集道路上的车辆状况,加以对图像的分析和处理,得到车型、车速、车流量等信息。此外,运动车辆的检测是车辆识别和跟踪的前提和基础,只有进行稳定而有效的运动车辆检测,才能在智能交通系统(ITS)中进行更深入的研究。本论文在总结和分析现有的车辆检测技术的基础上,针对其中的不足,重点研究摄像头固定下运动车辆的检测技术,其中主要涉及到运动车辆的初始背景的提取与更新,运动车辆的检测与目标区域的提取、检测系统的设计与实现等。完成的主要研究工作如下:在传统背景差分和帧间差分法的基础上,提出一种基于背景差、帧间差与形态滤波相结合的车辆检测算法,首先利用帧间差分获得图像的初始信息,并对最初获得的多幅图片逐一累加修正获得初始背景,由于背景受光线变换的影响比较明显,所以本文选用了一种选择性背景更新算法,进行背景更新,然后利用背景差和帧间差分相结合的方法进行运动车辆的检测,并利用基于Otsu的方法实现车辆的自适应分割,最后结合数学形态学对检测结果进行后处理,实现车辆的精确检测。设计并实现了一个视频车辆检测系统。本文采用Visual Basic开发平台和NCTImage Studio开发了一个视频车辆检测系统,本系统主要实现初始背景的提取、背景的更新、车辆检测及分割,形态学处理等。实验表明,本文提出的检测方法能够在监控视频中完整地提取车辆目标,上述算法计算量较小,实时性好,检测精度高,对运动车辆的检测能够达到鲁棒性、准确性和实时性的要求。