准确地实现交通拥挤状态判别是构建城市交通诱导系统的关键技术,是有效预防和缓解城市道路交通拥挤,进而提高道路通行能力的必要前提。目前交通拥挤状态判别方法的研究多通过感应线圈检测技术获取数据,进而实现对道路交通拥挤状态的判别。随着图像处理技术的发展,很多城市开始利用视频检测技术实时监视道路,与感应线圈相比,其具有处理信息量大、无需破坏地面、安装维护方便等优点,因此,视频检测技术在城市道路交通拥挤状态判别方面具有较好的应用基础和前景。但是,现有交通视频检测技术还局限于单纯的交通信息提取,很少利用其进行城市道路交通拥挤状态的判别。为此,研究如何充分利用视频检测技术实现城市道路交通拥挤状态判别,具有重要的理论和实际意义。论文在分析现有道路交通拥挤状态判别算法的优缺点的基础上,提出基于视频检测的城市道路交通拥挤状态实时判别方案,通过深入分析其问题和难点,重点研究了车辆目标的检测、基于视频的交通参数的选取、交通拥挤状态的判别模型。在车辆目标检测方面,针对城市道路的复杂情况,选取基于非参数核密度的背景建模方法,利用先开后闭的形态学处理方法实现车辆目标的检测。该背景建模方法具有良好的建模效果,能够适应复杂的城市道路场景。在交通参数的选取方面,考虑视频检测技术的特点,本文提出引入道路占有率、占有率离差平方对道路交通拥挤状态进行描述。为了进一步改善交通拥挤状态判别的准确性,提出了一种新的交通态参数——占有率变化指数,此参数描述了交通拥挤发生时,道路占有率在观测时间内保持较小变化的特征。在交通拥挤状态判别方面,以大量实际采集视频数据为基础,研究道路占有率、占有率离差平方、占有率变化指数三个交通特征参数与道路拥挤事件发生的关系,提出了新的交通拥挤判别准则,并在此基础上利用模糊C-均值算法给出了一种交通拥挤状态划分方法,建立了一种新的交通拥挤状态判别模型。最后,以重庆市实际采集城市道路视频数据为基础,分别对提出的交通拥挤状态判别模型及人工判别进行实验验证,结果表明该模型是有效可行的。