随着社会的发展,人们生活水平的提高,车辆的增多对道路造成了严重威胁,更重要的是道路交通拥堵问题已经严重影响到了市民们正常的出行,而且制约了社会经济的发展。由于车辆增长的速度太快,目前的交通网络无法满足巨大的交通量,虽然政府出台了一系列的交通法律法规,但仍无法从根本上解决交通问题,我国大多城市特别是大城市的仍旧存在着严重的交通拥堵问题。本文主要介绍了基于视频的城市交通拥堵程度分析技术,全文包括交通车辆检测、车辆跟踪以及交通拥堵级别的判定三个部分。本文的主旨是利用空间占有率和车速作为交通参数来判断交通拥堵的级别。本文对基于视频的车辆检测、跟踪进行了深入研究,最终分析了道路拥堵程度。本文主要研究工作如下：(1)分析现有检测方法其中包括背景差分法、帧间差分法、光流法。本文采取的是一种改进后的单高斯模型法进行背景差分,从而进行车辆检测。(2)针对现有跟踪算法分析不足和特点,提出了一种利用Harris多尺度角点和Mean-Shift的车辆跟踪方法。车辆跟踪预测中应用了Kalman滤波预测,本文采用的是通过对车辆的角点提取完成前后图像的对比最终实现车辆的跟踪预测。(3)根据车辆速度和空间占有率来作为交通参数进行车辆交通拥堵程度分析,把拥堵的程度分为畅通、轻度拥堵、拥堵、严重拥堵四个级别,提出了支持向量回归作为交通预测模型。本文进行了仿真实验预测了车辆的拥堵的程度。文中还对提出的算法和技术方案进行了实验,通过实验的分析进一步证明了,本文提出的算法和技术方案是行之有效的。