近些年,随着我国国民经济的飞速发展,我国国民收入有了巨大的提升,人民对生活品质的追求不断提升,家用汽车从原来的奢侈品变为了一件平常的商品。具统计,我国汽车的保有量在2019年自己达到了3.4亿辆。随着汽车数量的快速增长,我国各个城市交通问题变得日益严重,因此为城市中的主干道路安装道路监测系统就变得十分重要。道路监测系统的主要功能就是对视频中的车辆进行分类统计,因此研发一套成本低廉功能强大的车辆检测系统就变得尤为重要。本文是通过研究Xilinx Zynq-7020平台的FPGA+ARM的结构,使用基于ZYNQ芯片设计一种道路状况实时监测系统。相比使用ARM芯片配合DSP微处理器传统的嵌入式图像处理系统,ARM+FPGA结构的Zynq芯片可以实现软硬件高速协同工作的视频处理,具有图像处理系统采集图像快、带宽高等优点。本设计利用FPGA具有并行处理的优势,实现对图像的快速高效的预处理;通过ARM处理器进行软件流程控制和运行利用机器学习得到的模型进行HAAR特征提取的目标识别算法;通过ZYNQ芯片自带的内存来达到软件与硬件的高效的协同工作,在追求处理速度的同时,降低了硬件的功耗。本文的主要工作有:(1)为ZYNQ芯片的FPGA部分进行编程,使用Vivado Hls工具设计编写FPGA芯片的加速IP核,使其具有将视频图像进行转换格式,增强对比度算法进行硬件加速的功能。(2)为ZYNQ芯片中的FPGA芯片和ARM芯片设计数据传输通道,使FPGA芯片可以将经过预加速处理后的视频图像传输给ARM芯片上运行的车辆检测系统。具体工作为使用Vivado Hls工具设计VDMA IP核。(3)在ZYNQ芯片的ARM芯片部分配置Linux系统并编写车辆检测系统程序。主要为配置Linux内核和跟文件,并移植OpenCV库。车辆检测系统通过Haar特征提取算法训练Cascade级联分类器,对视频中的车辆进行分类和追踪。