随着国内车辆数量的迅速增长，交通拥堵现象非常严重，交通管理的成本越来越高，有效采集交通参数、合理分配道路资源是解决这些问题的关键。基于视频图像的车流量检测是采集交通参数的方法之一，它融合了计算机科学和通信等高新技术，具有信息含量丰富、成本低、通用性强等优点，有着广阔的应用前景，是智能交通系统的重要组成部分。在车流量统计过程中，检测到的运动目标是否完整直接关系到车流量检测的准确性。本文结合了背景差分法和改进的两帧差法对运动目标进行检测，在背景差分法中没有检测到的运动目标，采用改进的两帧差法对运动目标进行填充，能有效地检测出完整的运动目标。此外，检测完整的运动目标还需要理想的背景，本文提出了一种基于背景拼图的均值法，采用求取两次均值的方法获取背景，第一次对视频图像帧求取均值生成初始背景，第二次将当前帧的运动目标用Kalman滤波器更新后的背景进行替代，形成背景拼图，求取背景拼图均值生成最终的初始背景。该算法得到的背景较理想，但还是需要对其进行及时的更新，以便适应外界天气和光照的变化。本文提出了一种改进的基于统计学背景更新方法，采用统计学的方法，对背景进行更新。然而，运动目标中的阴影会影响相邻车道的车辆统计，因此本文采用归一化互相关函数阴影检测算法，结合灰度信息和HSV颜色空间的V信息对车辆的阴影进行检测，该算法基本能检测到完整的阴影，防止车辆阴影干扰车流量统计。本文采用虚拟检测器对车流量进行统计，沿垂直于道路方向的区域设置虚拟检测器，对检测区域内的数据进行计算，具有运算量小、速度快等优点。实验结果表明，以上算法能准确的统计车辆，具有一定的可行性。