本文的中心内容为智能交通监控系统的设计与实现,以系统中的关键技术展开研究。该系统主要有以下两部分功能：首先,系统具有车辆分析功能。系统通过摄像头采集路面上的交通视频,利用运动目标检测与分割技术,对驶入监控区域的车辆图像进行分割,同时记录该车辆在视频中的驶入时间,将车辆图像与时间一一对应建立时间轴。再通过运动目标跟踪技术对车辆进行跟踪,并估测车辆的行驶速度。通过对所有分割出的车辆的图像做特征点检测,建立特征向量数据库,供后期特征检索使用。其次,系统具有车辆检索功能。操作人员可以使用该系统检索具有指定特征的车辆在监控录像中出现的视频片段。通过向系统提供待查找的车辆的图片,系统对其做特征提取,并对提取的每一个特征向量在海量数据库中进行匹配,进而得到与待查找车辆特征相似的所有车辆在监控视频中出现的片段。因此,该系统不但可以有效的监控道路上的车辆信息,更能有效地简化公安部门在发生事故之后的查证工作,提高工作效率。在车辆检测方面,系统利用视频中背景和运动物体的空间相关性和时域一致性,综合帧差和背景差各自的优点提出了一种快速而有效的车辆分割方法,并利用背景模型的参数更新解决噪声和光照渐变所带来的影响。同时,所有的计算均在图像的梯度空间进行,目的是减少阴影给分割带来的干扰,使分割效果更加准确。再利用CUDA模型使算法在GPU上加速,使该算法不但具有良好的分割效果,更能满足智能交通监控系统对实时性的要求。在车辆跟踪方面,为了有效处理车辆之间遮挡所带来的跟踪丢失问题,本系统采用基于Harris特征点匹配的方法实现车辆的跟踪。同时,利用摄像机定标技术,将车辆在二维图像中的行驶距离转换为实际三维空间中的行驶的路程,进而估算车速。系统将监控区域分割为车辆检测区域和跟踪区域,使系统的检测工作与跟踪工作协调进行,减少不必要的计算。在车辆的检索方面,系统对待检索的车辆图像做SIFT特征提取,并将每一个特征向量在前期建立的特征数据库中进行匹配查找,实现基于特征的图像限定检索。再根据检索出的图片所对应的时刻,在时间轴上提取视频片段,完成车辆在视频中的查找。在数据库中进行特征向量的匹配时,因为数据量庞大,本系统将海量数据处理的相关技术应用到其中来,实现了向量的快速查找,再利用文字搜索领域的倒排文件索引技术,实现了图像的模糊检索。