车速检测是现代交通运营和安全管理中必要的支撑手段。传统的车速检测方法需要配置专门的测速设备,价格昂贵且维护成本较高。目前,作为基本的监控手段,高速公路已安装大量的视频监控装置,而视频检测技术由于具有信息量大、安装维护方便等优点,是未来车辆速度检测领域的发展方向。现有的视频测速算法由于检测精度不高或可实施性较差,难以满足高速公路视频测速的需求。因此,深入研究基于视频的高速公路车辆速度检测技术具有重要的理论和实际意义。本文针对高速公路场景下的视频测速方法深入研究,在深入分析视频测速技术的问题和难点后,重点研究了基于车道线信息的图像距离自动标定及距离检测技术,其中距离检测技术又分为车辆目标提取以及车辆角点特征检测与匹配两个部分,最终形成了一套基于视频的高速公路车速检测方法。在距离自动标定方面,针对影响车道线检测的噪声,选择了中值滤波进行去噪处理;进而采用Canny边缘检测及Hough变换方法提取车道边缘线,并提出了一种自校正二值化阈值算法提取车道虚线;最后利用车道线信息实现车道区域自动提取并完成图像距离自动标定。实验表明,本文的图像距离标定方法可以将标定误差控制在6.5%以内,为后续的车速计算奠定良好基础。在车辆目标提取方面,首先建立了非参数核密度估计背景模型,然后针对高速公路场景特点,给出了光线突变和渐变条件下的背景更新方案。在此基础上,结合形态学去噪与连通域分析方法剔除了背景差分图像中的干扰信息;进而,针对可能出现的车辆分裂及融合问题,提出了一种结合车道信息及车辆外接矩形的车身区域提取方法。实验结果表明,上述方法较好的实现了车辆目标提取。在车辆角点特征检测与匹配方面,针对SUSAN算法易漏检部分角点的缺陷,提出了一种融合USAN分布信息的角点检测优化算法;进而提出了一种结合车辆运动矢量信息的角点粗匹配算法,并选择松弛迭代算法完成角点的精匹配实现车辆测距。实验结果表明,本文的检测与匹配算法在增加了角点匹配成功率的同时降低了算法运算开销。最后,结合本文提出的车速检测算法,利用重庆市高速公路及城市道路场景下的视频数据,在VC环境下进行了验证实验。结果表明,车速精度误差可以控制在10%以内,论文所提方法具有较高的准确性及可行性。