本文主要研究了智能交通系统中基于视频的车辆检测与跟踪系统的基本理论和关键技术。交通检测与信息采集已经成为智能交通系统中的一项重要课题,车辆的检测、阴影去除、车辆识别与跟踪则是其中最基础的部分。本论文在总结和分析现有的车辆检测和跟踪技术的基础上,针对以上几方面问题进行了探索和研究,提出了新的方法,并通过实验证明了新方法的有效性。主要研究包括以下几个方面:1.前景提取方法研究本文提出了一种基于边缘信息的前景提取方法,首先利用背景边缘提取模板提取进而去除当前帧的精确背景边缘,然后用形态学方法对前景边缘图像进行去噪处理,进而得到前景区域,分割出车辆。通过与背景差分方法的对比实验来看,该算法简单有效,适合各种复杂的城市交通场景,能够应对镜头抖动、道边树木晃动对车辆检测带来的不利影响,优于背景差分方法。2.车辆阴影去除方法研究针对阴影对车辆检测和跟踪带来的不利影响,本文提出了一种结合灰度信息、边缘结构信息和先验知识的阴影检测与去除方法,首先对单一的与阴影容易分割的浅色车辆,用灰度值和边缘信息相结合的方法检测出阴影,并应用本文提出的相对位置关系模板,记录下阴影与车辆之间的位置关系和阴影区域的大致形态更新先验知识。而对于多车相连、深色车辆、阴影与车辆分界不明晰的情况,采用灰度值、边缘信息并结合先验知识来确定阴影区域,实现阴影的检测与去除。通过实验验证了本文方法的有效性。3.车辆跟踪方法研究针对视频图像中车辆运动的特点,本文提出了一种新的车辆跟踪方法,定义了帧间运动向量,用当前帧的车速和加速度来预测下一帧的车速,并结合跟踪区域的外形信息进行匹配验证。从实验效果来看,该算法简单有效,适合于实时的车辆检测和跟踪系统。