智能交通系统作为当今道路交通领域的重要研究方向之一,其研究目的是为解决社会中交通事故频发的问题。基于河南大学智能交通系统,本文主要研究了车道线检测、车辆检测和车辆跟踪技术,其研究成果如下:1、实现了一种基于Hough变换和K-means聚类的车道线检测方法。首先,对视频图像进行图像缩放、感兴趣区域划分和高斯滤波等前期处理;然后,对道路视频图像采用sobel算子和canny算子进行边缘特征提取,并采用Hough变换进行直线检测;最后,提出基于K-means聚类的道路拟合方法,实现车道线检测。2、实现了基于高斯混合背景模型和基于Adaboost级联分类器两种车辆检测方法。在基于高斯混合背景模型车辆检测方法中,首先,对前期处理视频图像采用高斯混合模型进行前景背景分离;然后,对前景图像进行腐蚀和膨胀等形态学处理,进一步取其动态轮廓;最后,利用图像中的轮廓进行面积、长宽比和占空比等条件进行筛选,完成对车辆的检测。在基于Adaboost级联分类器车辆检测方法中,首先,通过离线采集大量车辆图像的正、负样本;然后,采用车辆图像的Harr-like特征训练Adaboost级联分类器;最后,采用多尺度检测方法对视频图像进行处理,实现车辆检测。3、实现了基于卡尔曼滤波的车辆跟踪方法。首先,判断视频图像中车辆目标的初始位置;然后,不断更新卡尔曼滤波器的测量值和预测值,校正跟踪位置;最后,实现车辆跟踪。更进一步,本文还提出一种多车选择跟踪方法。实验结果表明,本文实现的车道线检测、车辆检测和车辆跟踪方法稳定可靠,能满足智能交通监控系统的要求。