伴随着经济的快速发展,车辆迅速增多,交通压力日益增大。如何改善交通状况成为各国交通管理的重要问题,智能交通系统在这种背景下得以迅速发展。基于图像处理和模式识别技术的交通流信息检测系统由于其安装简单,获取的信息丰富,便于维护等优点,已经成为交通检测的发展方向。本文以车辆检测和车速测量为应用背景,对日夜间区分技术,视频图像处理、车辆的检测与跟踪技术进行了深入的分析研究,提出了较为准确、稳定的视频车速测量技术。针对白天和夜间车辆定位的原理不同,提出了时间判据和局部图像平均灰度标准差判据相结合的日夜区分技术,从而实现了全天候车辆视频测速。实践证明该技术运算速度快、准确率高,实时性好。当判断当前为白天时,白天算法会从一段图像序列中恢复出一幅不包含任何车辆的背景图像,利用背景和当前图像进行背景差分,检测运动物体,并通过帧间差分来增强运动物体的特点,从而分割出车辆目标。当判断为夜间时,由于无法获取稳定的背景图像,本文提出了通过寻找车灯来检测车辆的算法。在对夜间汽车前照灯特征分析的基础上,提出了利用形态学运算提取汽车前照灯特征块,并通过比较特征块的匹配度,进行汽车前照灯定位的技术。本文比较了现有的运动跟踪算法,最后利用运动的连续性,采用面积、形状、速度等区域特征进行跟踪,满足了视频测速的要求并且计算量小、效率高。