近年来，随着我国汽车保有量的迅速增加，严峻的交通拥堵问题随之产生，从而使人们对城市道路交通流状态的信息需求更加迫切。视频检测由于它的信息量丰富，安装简单，成本低等特点成为交通流状态检测的重要研究研究方向之一。论文以长安大学交通信息综合处理中心所采集的城市快速干道的交通视频作为研究对象。在研究中，针对交通视频的特性，对背景建模、运动目标检测与跟踪的相关算法进行了研究与实现，在此基础上对多种交通流参数计算与交通状态的分析，最终获得交通流的状态信息。本文的主要研究内容有：在获得背景的过程中，针对均值背景提取算法会出现拖影现象的不足，提出了一种改进的均值背景提取算法，该算法尽可能多的保留了原视频图像中背景像素点，对被车辆遮挡的像素点，用其它帧中该点的背景像素值来填充该像素点；在分析常见的运动车辆检测算法的基础上，由于常用的背景检测算法所检测的运动车辆会出现空洞以及同一车辆很可能被检测成两个连通区域等问题，针对以上问题对常用的背景差分算法进行改进，以适应本文的运动车辆检测。在运动车辆跟踪方面，着重讨论Kalman滤波车辆轨迹预测以及SURF算法图像匹配原理，将二者结合实现了对多车跟踪算法，并对实验结果进行分析；结合交通视频检测结果，对车流量，车速，道路占有率等交通流参数进行了计算，在车速计算过程中，设计了一种变长参照物的运动车辆速度计算方法。进一步利用模糊C均值聚类对计算的结果进行分析，最终获得交通流状态信息。本文通过所采集的两段视频的分析研究，结果表明，论文提出的方法可以准确检测交通流参数。论文的研究结果不仅使管理者可以很好的掌握该地区的交通情况，而且还可以使驾驶员尽早的选择更加畅通的交通路段，从而分流了车辆，缓解了交通压力。