车辆违章检测抓拍是智能交通系统中的重要组成部分，在约束司机行为、减少车辆违章与交通事故、提高交通效率等方面发挥着重大作用。针对目前车辆违章轧线检测抓拍系统监控范围过小的问题，本文研究了具有大监控范围的车辆违章轧线检测抓拍系统。　　首先，针对车辆违章轧线问题，提出了一种基于高速球摄像机的车辆违章轧线检测抓拍新方法，研究构建了硬件系统，选择了软件开发平台，设计了软件流程。　　其次，为了可靠地从道路背景中提取出车辆目标，分别研究了基于运动特征和静态图像的车辆检测技术。对于基于运动特征的车辆检测技术，本文对几种常用的运动目标检测算法进行了对比研究;对于静态图像中的车辆检测技术，在分析研究梯度方向直方图的基础上，提出了基于局部梯度矢量均值和散布矩阵的特征表示方法，并结合支持向量机实现了静态图像中的车辆检测，在保证检测率的同时，减小了特征提取的计算量和特征向量的维数，算法实时性提高了约50％。　　然后，为了消除车辆阴影和非车辆运动目标对车辆轧线检测的影响，分析了目前阴影检测算法的特点，并采用归一化互相关的方法对车辆阴影进行了去除研究;又基于道路中车辆与非车辆目标在尺寸和运动特性上的差异，提出利用尺寸和运动方向来识别非车辆目标的方法。此外，为了较为准确的计算目标的尺寸和运动方向，进行了监控场景标定和运动目标方向测量的研究工作。针对目前车辆轧线算法存在对图像质量、交通线的清晰度及光照要求较高的问题，提出了一种两步法车辆轧线检测算法。根据车辆目标的外接矩形与交通实线的几何位置，初步判断是否轧线;在二者相交位置建立一个统计区域，根据该区域内目标前景数占整个区域的比例，进一步确定车辆是否轧线。与现有方法相比，该算法的鲁棒性、实时性和可靠性均达到了工程实际的要求。　　最后，针对较大的监控范围，需要云台旋转、镜头调焦以进行动态抓拍，而摄像机图像及云台、镜头的动作存在延时，不能对运动车辆进行有效抓拍的问题，基于场景标定提出了一种抓拍测控模型，即根据车辆的直线运动规律及摄像机延时时间预测车辆位置;利用该位置解算出抓拍时摄像机云台的位置和镜头焦距等参数，进而控制云台及镜头动作，完成车辆车牌的抓拍。此外，为了预测车辆位置，需要对目标车辆进行速度测量，针对目前虚拟线圈测速法不能针对特定车辆测速的问题，提出了动态虚拟线圈的测速方法。　　本系统在市区道路中进行了验证实验，实验结果表明，该系统可有效的对大范围内的车辆违章轧线进行检测与抓拍，成功率大于90％。