改革开发以来,我国经济的飞速发展,人民生活质量的不断提高,我国私家车的保有量与日俱增,尽管道路的里程数逐年增长,但现有的道路交通资源依然难以支撑当前的交通压力,交通拥堵、交通秩序紊乱及汽车尾气引起的大气污染等给人们的安全便捷出行带来了诸多不便。智能交通为未来交通的发展提供了一种新的思路,车辆违章行为检测作为智能交通领域(ITS)炙手可热的研究课题,对改善和缓解我国当前的交通现状具有现实而深远的意义。论文结合现阶段我国智能交通的发展现状,分析了城市交通场景下的车辆违章行为,如压实线、违章转弯、违章停车和违章逆行等,提出了车辆检测、跟踪和违章行为检测方法,在基于Open CV视觉库和VS2013平台下,对不同交通场景下的车辆违章行为进行实验检测,取得了较好的效果。论文围绕对智能交通系统(ITS)中车辆违章行为检测方法的研究而展开,研究了车辆检测、车辆跟踪算法,并根据跟踪参数实现车辆违章行为的识别与检测。主要研究内容如下:(1)车辆检测方面:首先,对比分析了三种背景建模算法,提出了一种高效的自适应背景更新策略。然后,在光流法、帧差法和背景差分法的基础上提出了一种快速的背景差分法来获取前景,并通过连通区域行标记算法实现从前景中分离出目标车辆。最后,在两种不同的交通场景下,对车辆进行检测,并取得良好效果。(2)车辆跟踪方面:首先,在基于Meanshift算法、Camshift算法和Kalman滤波算法的基础上,提出了一种结合Kalman预测、Camshift定位的多目标跟踪算法。然后,在跟踪过程中,针对车辆被遮挡以及车辆与背景同色,分别提出了相应的解决方法。最后,在三种不同交通场景下,对该算法的跟踪效果进行实验,结果表明,该算法具有较好的鲁棒性和实时性。(3)车辆违章行为检测方面:实现了车速与车流量的统计并对常见的车辆违章行为的检测方法进行了研究。车速及车流量的统计是通过车辆经过感兴趣区域的速度和数量来计算的。在车辆压实线和违章逆行检测中,通过分析对比车辆运动轨迹参数与车道线参数,实现了对车辆相关违章行为的判断。在车辆违章停车和违章转弯检测中,在已经设置好的感兴趣区域内,通过分析车辆运动轨迹参数的变化趋势来检测车辆违章行为。