高速公路因车流量大、车速高等特点，一旦在行车道上发生停车事件，极易引发二次交通事故对行车安全危害极大。随着信息化工作的推进，各关键路段都已安装了监控设备，但停车事件检测却大部分以人工监控方式为主，需耗费大量的人力物力，同时，现有的停车事件检测系统主要以前端检测为主，检测视频数量有限且价格较高，导致高速公路停车事件发现覆盖率较低。因此，充分利用现有监控资源，研究基于视频的高速公路自动停车识别方法和多路视频同时处理方法对提高停车事件检测覆盖率和保障运行安全具有重要的理论和实际意义。针对上述问题，从停车识别方法和系统设计两个方面进行了深入研究。首先通过深入分析高速公路场景的特点，研究了高速公路场景下如何进行背景建模、更新及车辆提取等问题，提出了一种基于静态特征的停车事件识别方法。然后针对提高视频处理数量的需求，研究了多路视频同时处理方式，设计了一种分时并行处理方式，构建了一套基于视频的高速公路停车事件自动识别系统。在停车事件自动识别方面，针对高速公路因车流量大导致所建背景易受运动车辆干扰的问题，提出了一种基于道路像素经验值的背景建模方法，与平均值法和混合高斯背景建模方法相比，本方法所需建模的图像少，耗时较短，且效果更佳。针对远小停车目标和灯光局部突变易造成漏检和误检的问题，提出了一种结合静态特征和时间序列特征的停车识别改进方法，该静态特征主要包括车道占有率和色彩分布规律两方面。实验表明，与改进前的方法相比，所提方法正检测率更高，误检率更低。在系统设计方面，结合高速公路管理部门的需求，设计了系统总体方案并搭建了系统结构，完成了各个功能模块的设计。基于此，针对高速公路亟需扩大检测覆盖率以及多路视频同时处理的问题，综合考虑线程利用率以及处理线程数对系统运行的影响，提出了一种多路视频分时并行的处理方式。大量实验表明，在开同样线程数时，该方法能同时处理更多的视频路数，从而提高了高速公路停车事件检测覆盖率。综合上述研究成果，建立了高速公路自动停车识别系统，并利用关键路段和隧道的多路视频进行了实验，结果表明，本文提出的停车识别方法正检测率高于90%，漏检率低于10%，从而验证了停车检测算法的准确性以及系统的可靠性。