近年来国内经济高速发展,城市化进程不断加快,城市交通监管的压力逐渐增大,各类交通违章行为对交通秩序造成的影响日益恶劣。作为智能交通系统的重要组成部分,基于视频的车辆违规转弯等违章行为的检测通过对车辆的违章行为进行自动检测、判别与记录,可为交通管理部门进行交通监管与决策提供有力依据。针对现阶段视频车辆违章检测研究现状以及所需技术,从以下几个方面进行研究并阐述本文所做工作。首先对运动目标检测进行了研究。通过分析比较自适应背景选择更新、混合高斯模型、模糊数学、神经网络等几种主要前景检测算法,选择使用ViBe背景提取方法以满足车辆违章行为检测的要求；同时针对前景检测中普遍存在的将阴影误检为前景从而降低检测效果,影响后续违章行为判别的问题,本文提出将基于HSV颜色空间特征的阴影检测方法运用于ViBe算法特有的像素级更新机制中,通过在背景模型像素样本集更新过程中进行阴影的判别,从而在确保得到准确前景目标的基础上,尽可能减少阴影去除算法对实时性造成的影响。其次对车辆跟踪及轨迹提取进行了研究。为了实现对车辆违章的判别,需要对车辆进行跟踪从而提取车辆目标的轨迹信息。本文在提取前景车辆特征(质心、前景目标连通域宽高以及单位时间偏移)的基础上,通过多特征匹配的方法实现车辆间的关联,并建立跟踪列表实现多个车辆的稳定跟踪；同时为了提高算法搜索效率,利用卡尔曼滤波算法对车辆状态信息向量进行预测。再次对车辆违章行为的判别进行了研究。本文针对车辆违章逆行、违章转弯、违章压线以及违章停车等异常行为提出具体的检测方法。通过将跟踪目标列表所保存的轨迹、起始帧、起始位置等相关交通信息与实际道路交通场景进行一系列比较判别,从而对该车辆是否存在上述违章行为进行识别。最后在参考现有不同算法库的基础上,开发出集成35种前景检测算法和5种阴影去除算法,以及5种目标跟踪算法于一体的软件测试平台,为后续的研究提供了便利。