交通流量统计是计算机视觉处理方面研究的热点和前沿课题,也是智能交通系统(ITS)的核心课题之一。交通流量统计在减少城市交通拥堵,提高路面利用率方面能起到关键作用。交通流量统计算法主要的研究内容包括运动车辆检测、阴影消除和多目标跟踪。本文算法研究的最终目的是提高交通流量统计算法的实时性、准确性、适用性。本文的主要内容有：(1)介绍了交通流量统计的常用方法,例如采用环形线圈和超声波的交通流量统计系统。与此同时,基于视频序列的交通流量统计近年来发展迅速,由于它具有检测区域大、系统设置灵活等突出的优点,已成为交通流量统计领域研究的热点。(2)在运动车辆检测方面,对背景差分法和三帧差分法进行结合,然后用OSTU动态阈值法获取分割后的二值图像。然后分析了阴影产生的机理,并且根据阴影在HSV颜色空间的特性,完成对车辆产生阴影的消除。对于运动车辆检测时经常出现的粘连问题,采用对检测出的前景车辆的二值化图像进行向x轴,y轴投影的方法,提出车辆分割方法。(3)在对车辆进行跟踪方面,采用了基于卡尔曼滤波器的方法,以运动车辆的高度、宽度、质心坐标、速度为特征向量,对该特征向量进行预测,缩小了搜索范围,减小了计算量,提高了算法的实时性。(4)分析了系统的各部分组成单元,对检测出的运动车辆进行统计,根据跟踪目标链表中运动车辆的ID信息进行计数统计。随着进入检测区域车辆的增加,统计车辆的数量也相应的增加。