伴随着国民经济的快速发展,智能交通技术已经逐渐发展成为推动现代交通技术发展的重要力量。其中基于视频的车流量与车速检测技术的研究正是智能交通系统的一个重要课题。本文在数字图像处理技术基础上,设计并开发了基于交通流视频的车流量统计及车速检测系统。主要完成的研究工作总结如下:运动车辆检测方面,实现了一种背景差分法与帧间差分法相结合的运动目标检测方法。首先对帧差法与背景差分法处理后得到的帧间差分与背景差分二值化图像进行一系列逻辑运算并采用自适应背景更新算法对背景图像进行更新,接着对运算得到的前景图像进行形态学处理,最终提取出完整平滑的车辆目标轮廓。运动车辆跟踪方面,深入研究了一种基于车辆特征点及匹配算子的车辆跟踪算法。首先利用GM(1,1)预测模型对车辆目标重心的大体位置进行预测,再通过重心坐标匹配算子得到上下帧间匹配度最大的运动车辆,对该车辆进行标记则完成运动目标在连续帧间的跟踪。车流量统计方面,给出了一种改进的结合检测线状态特征的车流量统计方法,通过虚拟检测线上与车辆的相对位置状态变量及像素值状态变量的状态变化对是否有车辆经过进行判断。最后针对单虚拟检测线进行车流量检测易造成多检的弊端,本文将每条道路上设置一定间隔的双虚拟检测线进行车流量统计,当两条检测线同时判断有车辆通过时,则该车道车流量计数加1。车速检测方面,采用了一种改进的坐标系转换法,通过实现摄像机标定,得到了实际交通道路与平面图像之间的映射关系。并结合视频测速原理采用了双检测线车速检测法,将每条车道上检测线像素位置信息通过图像像素坐标系与世界坐标系的转换关系得到检测线之间的实际距离,便可实现对车辆目标实际速度的检测。在Microsoft Visual Studio 2010平台并结合OpenCV图像处理库设计并开发了基于视频的车流量及车速检测系统。实验结果证明,在车流量统计模块,相对于单一检测线进行检测,双虚拟检测线可大大提高每条车道上的车流量检测精度;在车速检测模块,不同天气下不同车道的车速检测在稳定性与精确性方面都可达到理想效果。