社会经济的高速发展，城市化水平的日益提高，交通拥堵、交通污染问题日益严重。为了实现交通的科学化及现代化管理，改善道路的通行力度，智能交通系统引起了世界各国的广泛关注。交通流量检测系统是智能交通系统的基础而又非常重要的部分，可以为交通信息服务和交通指控中心等提供信息源。目前，因为嵌入式技术、模式识别技术、视频图像处理技术及DSP等技术的迅速发展和逐渐完善，基于视频的交通流量检测系统的重要性日益明显。系统的核心技术是对监控区域内摄像机采集的视频图像序列的中的运动目标实时检测及跟踪，提取出交通参数。因此，本文主要研究系统中使用的运动目标检测与跟踪的关键技术，努力提高系统效率。本文研究基于视频的交通流量检测技术，介绍了交通信息采集及图像处理的相关理论知识及技术，详细说明了系统中车流量检测模块所用的关键技术。创新性成果主要包括以下4个方面：（1）提出了一种改进的k-means聚类算法的背景建模法，该方法解决了传统算法容易陷入局部最优解的问题，提高了背景模型的适应性；（2）提出了一种基于帧差法和背景差法相结合的算法，背景差法对光线变化敏感，而帧差法对车辆速度比较敏感，改进的算法有效提高了车辆检测的精度。（3）提出了一种基于线性预测的Mean-shift自适应跟踪算法，传统算法迭代次数比较多且难以实现多个目标同时跟踪缺点，改进方法减少了迭代次数，且可以实现同时跟踪几个运动目标。（4）实现了一个简易的交通流量统计系统，能准确提取出车流量、车速等交通参数；最后，在WindowsXP环境的VS2008平台上，使用C++语言并结合OpenCV库函数开发了基于视频的交通流量检测系统。通过测试，有效提高了车辆检测实时性及准确率。