交通参数检测是智能交通系统(ITS)的重要研究内容之,交通参数包括车流量、车速、车流密度等,检测方式也多种多样。在众多检测技术中,基于视频的交通参数检测技术以其检测区域大、信息量丰富及系统设置灵活等突出优点迅速发展,逐渐成为国内外智能交通系统领域的一个研究热点,有着广阔的应用前景。本文的工作内容主要分成两部分：基于视频的交通参数检测和交通参数间关系分析。首先,研究了基于背景差分算法的车辆检测算法。比较了中值法和均值法两种背景提取的方法,选择了效果较好的中值法背景提取。针对自适应背景更新法对更新率依赖大的缺点,提出了改进的背景更新方法。对在算法过程中所用到的视频图像灰度化、色彩空间转换、二值化等理论算法进行了概述。其次,本文在车辆检测的基础上,提出了基于视频的车流量、车速、时间占有率等交通参数的检测方法,并根据时间占有率的方法来计算车流密度。并对交通三参数之间的关系进行了理论研究。再次,本文利用真实环境下录制的交通视频,通过MATLAB/GUI进行编程,对本文提出的车辆检测算法和交通参数检测算法进行了测试,结果表明了本文车辆检测算法的有效性和交通参数检测的准确性。最后,通过对实验所得到的数据进行交通参数分析。结合数据分别对格林希尔治,格林伯格和安德伍德模型进行了拟合,通过拟合优度来分析该视频摄录时间段内车速和车流密度的关系。