视频交通事件检测系统是利用图像处理技术,结合人工智能和机器学习等学科知识对高速公路监控视频进行分析,自动检测出高速公路上出现的异常事件的系统。它能够快速、准确的检测出高速公路运营过程中出现的异常事件,同时向高速公路管理人员发出相应信息,将异常事件对高速公路运营的影响降到最低,确保高速公路畅通运行。它是高速公路应急管理平台及智能交通系统中不可或缺的前端信息采集子系统。随着我国高速公路拥堵问题日益严重,视频交通事件检测系统正逐步得到广泛的应用,因此关于此技术的研究就显得非常有意义。结合高速公路监控系统现状,本文对目前监控系统中存在的问题进行分析,拟解决几个当前视频检测系统中普遍存在的问题,着重提高视频检测系统的检测率和环境稳定性。本文首先解决的问题就是提高监控系统的环境适应能力。由于高速公路监控大多属于露天环境,监控环境复杂多变,对监控系统的环境适应能力有较高的要求,通过对多条高速公路现场环境分析,采集数据,本文提出了一种新的分类算法对日夜切换、雨天路面积水、夜间雨天路灯反光等恶劣环境进行识别。其次,利用背景差分技术对高速公路中存在的交通目标进行目标检测。在背景差分二值化目标检测技术中,提出了一种新的自适应背景差分阈值确定算法,以适应高速公路复杂多变的监控环境。同时针对恶劣监控环境采用有针对性的识别算法以保证系统检测的准确性和稳定性。最后,利用基于目标跟踪检测的事件检测系统对获取的目标进行跟踪检测分析。构建了适应于高速公路监控环境运动目标跟踪的Kalman预估器,分析各类异常交通事件中运动目标特征或者监控画面的特点,通过机器学习算法对各类常见的交通事件的特征参数进行定义及阈值处理,实现了各类异常交通事件的准确检测。通过在国内某几条高速公路进行的模拟测试验证了本文提出的交通事件检测算法具有很好的性能,在多种复杂环境下均能准确检测出各类常见异常事件。