车辆碰撞引发的交通事故严重危害人们的生命财产安全,已引起社会的广泛关注。大量的研究机构讨论了基于视频的车辆碰撞检测方法,但大多数方法计算量较大,无法满足实时性检测的要求。因此,本文探讨了基于运动相互作用场正负区域面积差的车辆碰撞检测方法,可以准确地对车辆碰撞等异常事件进行实时检测。主要工作如下:首先,介绍了论文的研究背景及研究意义,介绍了基于视频的车辆碰撞自动检测技术的国内外研究现状。其次,对常见的运动目标提取算法进行了讨论,分析了其优缺点。随后引入了光流的概念,并利用平均角误差、平均端点误差以及光流计算时间等指标对7种常见光流算法进行了比较。接着利用流体动力学特性构建了车辆之间的相互作用模型,并引入运动相互作用场的性能评价标准,讨论了不同光流法对运动相互作用场的影响。最后结合光流计算精度、光流计算时间以及不同光流法对运动相互作用场的影响等因素,综合选取Farneback光流法来提取车辆的运动信息,并利用高斯核函数构建理想的运动相互作用场。然后,比较了Kimin Yun两种算法的优缺点。针对Kimin Yun算法中存在的边缘问题,提出了扩大运动相互作用场范围的解决方案。同时为了解决Kimin Yun两种算法中计算量较大的问题,用玩具小车模拟了真实交通场景中的正碰、侧碰、追尾等情况,找出运动相互作用场在正常交通和异常交通情况下的特性差异,提出了利用运动相互作用场正负区域面积差绝对值的新算法来对车辆碰撞等异常事件进行检测。针对光流质量不佳可能导致运动相互作用场中正负区域数量发生突变以及算法不能检测车辆碰撞结束时间的缺点,利用水面传播特性在时间轴上进行自回归建模,改进了基于运动相互作用场的车辆相互作用模型。实验结果表明,改进后的算法不仅能对发生碰撞后停止的车辆进行检测,而且还有效地提升了算法的检测准确率。最后,通过八段真实交通监控视频数据验证了算法的有效性,证明了本文算法在复杂的交通环境下能准确地对道路交通异常事件进行检测。同时将本文算法和其他现有算法进行对比,证明了本文算法能够以较高的准确率对视频中的车辆碰撞事故进行实时预测和检测。