智能交通系统一直是计算机视觉领域一个非常活跃且具有研究价值的领域。一个成熟的智能交通系统可以有效的减少道路区域的交通压力,提高道路区域吞吐能力,极大方便交通管理部门的调度。随着城市立体交通网络日趋壮大并且复杂化,传统近距视频监控系统已不能满足多样的需求,多维多态交通视频监控必然会得到越来越广泛的应用和发展。不同于传统视频监控系统5~10m的架设高度,本文采用架设高度在30m以上的高点摄像头对道路区域进行监控,实时采集道路交通的视频图像,从中提取反映交通状况的宏观交通指标信息(如车流速度、车辆占道比等),并进一步检测交通违章或事故等异常交通事件。与普通视频场景相比,高点视频场景一方面具有监视范围广、目标较少遮挡、监控范围更广、提取的交通信息更具宏观性等优点,但另一方面,高点视频图像的大场景和多目标的特点也给目标检测和跟踪的实时处理带来了较大的困难。基于高点视频的主要特点,本文的研究内容主要分为以下几个部分:1)基于单高斯模型的背景提取和前景分割,检测场景中的运动车辆,确定车辆的位置和大小。2)大场景的相机标定技术。利用场景中长度已知的交通标志线作为标定物,对相机进行标定,确定从相机坐标到世界坐标的变换关系。3)基于区域预测和特征结合的多目标跟踪。4)基于跟踪的结果,估计车流的平均速度与占道比等交通信息,进一步完成交通违章或事故等异常交通事件的检测。