智能交通系统(ITS)是当今交通运输领域的研究和应用热点。ITS融合图像处理、计算机技术、人工智能等多学科先进技术,在信息处理方面优势明显,未来的发展潜力巨大。作为ITS重要组成部分的视频车辆检测技术与传统车辆检测方法相比,有无可比拟的优点,但由于视频车检技术受环境、气候等因素影响较大,技术较为复杂,仍需不断研究加以改进。视频车辆检测大致由图像采集、图像预处理、图像分析(提取目标车辆)三部分组成。本论文主要针对这三部分中的一些关键问题进行探索和研究,在大量的理论和实践基础上,提出了真实可行的新方法,并通过实验印证了新方法的有效性。本文的主要研究内容如下:首先,结合实际交通图像中的真实场景,将图像分为前景和背景两部分,采用经典的背景差分法去除静止背景,从而得到前景运动目标。在此过程中,运用基于概率统计的统计平均法进行背景的建模,并提出了基于帧差法的像素分类背景更新法,通过实验证实,与传统方法相比,背景更加准确,有效减少“融合”现象。然后,针对前景运动目标中阴影与车辆共存的实际现象,利用光学原理,提出一种新的阴影去除方法,即用当前帧背景差分后的运动目标与背景对应像素点的亮度进行比值判断,根据反射率及照度的不同,可完成车辆和阴影的分割,但仍需进一步提高其准确性。在研究的过程中用于图像处理及分析的大量图片均来源于作者真实拍摄的交通图像,应实验证明,所采用及提出的方法可有效达到预期要求,有较强的实用性及鲁棒性。