基于机器视觉的公路汽车流量检测技术研究是在不需要人为干预的情况下,从获取初始视频帧开始,移动对象从背景中分割的方法对摄像机拍录的图像序列进行分析,然后到整个视频的汽车计数,实现对场景中汽车的计数,基本得到汽车多少及道路拥堵情况。在视频监控系统的终端实现运动目标检测和计数功能。而本论文主要对两种检测方法进行了理论研究,分别是:（1）帧差法及高斯混合模型法:帧差法是处理视频数据时,从视频中选择代表帧并在该帧上开发算法。该算法可以应用于视频中所有帧的处理,检查包含浅色和深色汽车的框架。通常,需要一系列技术来移除无关的对象。imextendedmax功能是从视频帧中删除深色汽车的一种方法。并使用形态函数imopen删除车道标记,最后使用regionprops在no Small Structures中查找对象的质心（浅色车）。（2）背景差法及高斯混合模型法:对于复杂的场景,北京不能在单高斯模型中被很好的估计出来,这是因为在背景像素值当中有很多波峰,按照单模态的定义,把这些单模态的组合起来表达复杂场景中图像像素值的变化特点。把目前得到的图像帧减去背景帧就是背景差法的原理,就会删除掉图像中一样的背景区域,留下运动目标所在的区域,来得到运动目标。背景差法的优点就是简单容易操作便于实现,汽车的运动运动行驶速率迟钝,准确获得运动目标所在的区域,需要很少的计算量。最后对上述两种检测方法都进行了应用软件设计。本论文主要研究提高终端的智能化能力,在系统的终端实现运动目标检测和目标跟踪。其主要优势体现在以下两个个方面:减少人力、提高计数的准确性、提高可靠性。