交通法中对专用车道或规定路段有严格的规定,不允许除规定车辆以外的车辆在其中行驶。对有限制条件的路段,通常采用人工检测方式,为此需要大量的人力物力,而且这种人工的方法,往往存在工作效率低、判断遗漏等问题。本文在对视频图像检测技术和特征值分析等关键技术研究的基础上,设计实现了一种违章车辆检测系统,在交通监控视频中自动检测在规定路段中行驶的限行车辆。该系统的建立主要涉及两个问题:车辆特征提取以及车辆分类器的建立。针对交通监控系统中对车辆特征描述有较高的准确率要求,采用基于统计理论的Haar特征矩形的图像特征提取方法。该方法通过对图像中的区域信息进行编码,使得图像处理过程从像素空问转换到Haar特征空间;针对监控系统实时性要求较高的特点,采用Adaboost学习算法建立了车辆分类器。使用限行车辆的训练样本对特征所对应的弱分类器进行训练,挑选出最优的弱分类器构成强分类器,并基于层叠的思想将几个强分类器按照结构复杂性顺序相组合,构建出层叠分类器,加快了车辆检测的速度。最后以卡车为例,使用青岛市的交通监控视频,对某些路段中违章行驶的卡车进行实时检测。实验表明,该系统实时性好,识别率较高。