智能交通系统(ITS)是以提高道路交通系统安全性，高效性为目标，采用图像处理、人工智能、嵌入式、传感器和模式识别等多种技术手段，解决交通拥堵、交通事故等问题。其中，车辆检测是智能交通系统中的重要技术之一。到目前为止，已经有很多学者在对智能交通检测技术进行研究。在检测的过程中面临众多问题，比如容易受到背景环境、复杂光照和复杂天气的影响，很多检测方法的鲁棒性比较差。因此，需要分析车辆自身的特征、道路特征和天气状况条件，再综合其特点对车辆进行检测，提高车辆检测的鲁棒性。本文针对车辆检测在智能交通系统中存在实时性差和鲁棒性差的问题，提出了复杂环境下基于多特征融合的车辆检测方法，考虑了多种因素对车辆检测的影响，如复杂天气条件和夜晚等环境因素。通过实验验证，该方法取得了很好的效果。本文完成的主要工作有：1、提出了一种基于车辆阴影特征的感兴趣区域提取方法。首先在图像中确定并分割道路的行驶区域，对道路区域灰度值做直方图估计，计算出车辆底部阴影的阈值，再利用基于变化率的边缘提取算法对车辆底部阴影进行边缘提取，最后通过车底阴影建立车辆感兴趣区域。2、提出了一种基于边缘轮廓、角点和纹理三种特征融合的车辆检测方法。针对复杂天气条件下光照对车辆检测的影响，采用了直方图拉伸的预处理操作。使用K-R的角点提取方法提取角点特征，应用改进分形维计算方法提取纹理特征，采用形态Haar小波分解的小波系数计算轮廓特征，然后统计样本的特征值，采用基于马氏距离的方法计算各个特征的权值，建立融合三种特征的车辆判决式。提取感兴趣区域的三种特征值，使用车辆判决式判断区域内是否存在车辆。3、提出了一种夜间环境下基于车灯的车辆检测方法。通过车辆车灯的灰度特征和先验知识单灯特征排除部分干扰光源的影响，建立车灯候选目标链，再采用欧拉距离和先验知识灯对特征进行车灯匹配，对匹配成功的车辆，建立其车辆区域。