智能交通管理系统是目前21世纪道路交通管理的发展趋势。高速公路的不断快速发展和车辆管理体制的不断完善,为智能交通管理系统进入实际应用领域提供了契机。基于视频的智能交通管理系统能检测出很多交通参数,其中一个重要参数就是车流量。因此基于视频的交通车流量检测技术成为了智能交通管理系统的重要研究领域。本文根据实际的交通状况,以车辆交通图片为研究对象,重点研究的是实现一种实时道路车辆识别方法,即如何快速、准确地在复杂背景的图像中识别出所有目标车辆的检测。在总结和分析现有的车辆检测的基础上,针对视频图像的预处理、车辆的检测等问题进行了探索和研究,提出一种帧差法和Haar-like特征相结合的车辆检测的算法,并通过实验证明了新方法的有效性。本文在现有的研究基础上,分析了Haar-like矩形特征的形式及利用积分图像法快速计算方法。并采用AdaBoost算法训练分类器及采用了12种矩形特征来表示车辆特征,并对车底阴影部分用单特征表示,并将车辆的两个垂直边缘与车底阴影部分组成“U”形特征。本文根据车辆特征识别的不同要求,在VC平台下调用OpenCV标准库函数应用C语言对识别的要求进行了编程实现。并把该算法应用到实时道路上采集的交通车辆图像中进行了相应的实验测试：车流量检测。并且根据测试实验的内容和结果分别给出在车辆外形多样性和外界环境复杂性下的实验统计数据和性能评价。