针对目前车流量检测及预测所存在的一些问题,本文对于常用的多种运动目标的检测方法进行了研究,选择了实时性强,速度较快实用性高的背景差分法作为运动目标的检测方法。对于背景的重建与更新的问题,本文提出了一种新的背景更新与重建的方法,即用帧差法与背景差分法相互结合的方法来进行背景的重建,使用像素级的更新与帧级的更新的多层次的背景更新方法,实验结果表明,该方法能够快速准确的实现背景的重建与更新。对于阴影检测去除的问题本文提出了一种基于HSI的阴影检测消除的快速方法,该法快速准确有效,实时性强。在运动车辆检测计数当中本文使用的是虚拟感应线圈法,利用运动像素的方法对车辆计数,结果较为准确,为后面的车流量检测提供了可靠的数据。在车流量的预测当中,利用BP神经网络对交通路口的车流量进行了预测,预测结果令人满意,满足了应用的需求,为交通诱导做了一些理论实践。本文的研究结果表明,基于视频的车流量检测的方法检测结果准确度高,快速实时性强,基于BP神经网络的车流量预测结果精确度高,能够满足应用需求。