伴随着我国城市化进程的日益加速,交通系统的日臻完善已经成了现在社会发展的核心问题,智能交通系统中基于计算机视觉技术的高速公路车辆的研究越来越受到人们的关注。在高速公路车辆研究系统中利用数字图像处理技术来实现交通流量的统计技术已成为了现在社会研究的重要问题和解决的关键问题。高速公路图像视频中要实现车流量的统计首先需要从背景中准确地提取出运动车辆,然后结合视频检测技术与图像处理的相关知识,识别交通视频图像一定范围内的车辆的数目、车辆的类型以及车辆的运动特征等交通信息。对高速公路车辆的研究可以得到为之实用的车辆交通参数信息,决策者可以根据路况需求合理利用这些信息达到对交通情况的实时控制。本文首先简要的概述了智能交通系统的基本研究内容、智能交通系统中的视频检测技术在国内外的发展情况以及较为流行的交通流量检测系统；阐述了计算机图像处理技术在车流量统计中的重要性,通过对现存的较为流行的几种运动目标检测技术的归纳和总结,详细的阐述并且比较了智能交通系统中视频检测系统的优势所在；然后详细的讨论了基于虚拟检测圈的高速公路车流量检测系统,在研究的过程中重点讨论了在高速公路中基于动态背景下运动车辆目标提取的方法,并提出了结合贝叶斯模型的改进混合高斯目标检测,以及融合帧差分法和面积法的车流量统计算法。本文的主要工作和创新点如下：(1)针对高速公路车辆运动的特点和天气变化因素的影响提出了分块混合高斯的背景提取算法,一方面降低了混合高斯的计算量,另一方面提高了检测效果,避免噪声及杂物的污染。在运动车辆检测过程中,引入贝叶斯模型检测运动车辆,降低误检率和漏检率。(2)在上述背景提取和运动车辆检测的算法研究的基础上,提出新的自适应背景更新算法,可以实时的更新背景,提高检测的效率。(3)根据车流量统计算法的构架,设置了虚拟检测区域,降低车辆分裂以及目标过小等因素的影响。在虚拟检测线的基础上,构建了融合帧差法和面积法的车流量技术系统,提高检测的精确度。在计算机操作系统下通过编程实现车流量的统计,并对大量的高速公路路段进行车流量统计,通过测试表明本文的统计数目较为准确。