车辆目标区域的准确提取,是基于视频监控的高速公路异常事件检测的关键。而在高速公路场景中存在的车辆阴影干扰,使得提取的车辆目标区域扭曲、扩大、连通甚至丢失。同时该场景图像中存在的噪声、画质模糊等干扰加大了阴影抑制的难度,导致传统的阴影抑制方法尚难以适用。因此,研究高速公路场景下的车辆阴影干扰抑制方法,进而提高车辆目标检测精度,具有重要的理论和实际意义。本文通过分析高速公路场景下的阴影干扰特点,针对其中的背景建模、露天场景阴影干扰抑制与隧道场景阴影干扰抑制三个方面展开了重点研究,最终形成了一套高速公路场景下的阴影干扰抑制方法。在背景建模方面,提出了一种改进的基于时域帧间颜色梯度均值特征的背景建模方法。针对梯度均值特征不能很好界定前景与背景像素,导致建模效果欠佳的问题,采用目标像素值在三通道中的最大变化率建立该像素属于前景或是背景的置信度,以确定其对背景模型可靠性的影响。同时,为了减少噪声对背景建模的干扰,采用局部区域的三通道颜色梯度最大值的均值构成背景建模贡献率的权值,从而提高背景建模的有效性。对比实验表明,本文建模方法能够更好的减弱前景像素对背景建模的影响,并能兼顾实时性和准确性的需求。在露天场景阴影干扰抑制方面,针对露天场景噪声干扰问题,提出了融合颜色灰度特征与局部梯度模式方向直方图(Histogram of Local Gradient Patterns,HLGP)特征的阴影抑制方法。首先采用色度以及亮度相似度初步判定阴影;进而对于纹理信息较丰富的局部区域,采用具有噪声鲁棒性的局部梯度模式(Local Gradient Patterns,LGP)特征提取局部纹理,并融合局部梯度直方图构成HLGP特征,且证明了其光照不变性。在此基础上对颜色阴影判别结果进行修正,以减少其误检区域。对比实验结果表明,该方法能够克服噪声干扰,获得较高的阴影检测率和前景判别率。在隧道场景阴影干扰抑制方面,针对隧道场景颜色灰暗、图像模糊等问题,提出了基于局部相位量化(Local Phase Quantization,LPQ)特征和小波分解的阴影抑制方法。该方法引入了具有模糊鲁棒性和光照不变性的LPQ特征分析滤波后的纹理,同时采用小波分析手段,提取模糊后的细节信息。通过图像合并操作,融合两者提取的结果,从而获得较为准确的阴影区域和车辆目标区域。对比实验结果表明,该方法能够在颜色信息不足与画质模糊的情况下,兼顾阴影检测率与前景判别率,准确提取车辆目标区域。最后,综合上述研究成果,形成了一套高速公路场景下的阴影干扰抑制技术,并利用实地采集的高速公路视频数据进行了实验验证。实验结果表明,与传统阴影抑制方法相比,本文所提方法在高速公路场景下具有更好的阴影干扰抑制效果,从而支撑检测出更为准确的车辆目标区域。