近年来，世界各国大力修建交通网络，方便人们出行，提高人们生活质量；与此同时，交通事故频发，给各国人民带来沉重的痛苦和巨大经济损失。仅采用传统上的拓宽道路，改善交通设施解决交通问题的效果十分有限。结合智能化交通管理，加强交通流实时监控与管理，既能够在很大程度上解决交通事故频发问题，又能节约管理人员，灵活调度管理交通。因此，智能化交通管理成为近年来的研究热点之一。本论文针对智能交通系统中交通流参数检测问题，从人工智能、模式识别、图像分割、边缘检测和数学形态学等多技术领域展开研究，研究工作主要体现在以下四个方面：1、背景模型描述方法研究。通过对局部二值模式(Localbinarypattern,LBP)参数的选择、表达式以及受噪声影响情况分析，提出二元LBP算子并引入抗噪因子，改进LBP算子。2、融合背景建模方法的研究。通过对纹理信息与颜色信息背景建模研究，提出融合颜色信息与纹理信息的背景建模方法。并引入图像分割技术与形态学图像处理技术优化运动目标检测结果。3、运动追踪问题的研究。通过对区域块搜索与Camshift算法研究，提出融合区域预测与Camshift区域匹配的跟踪算法。该算法通过将区域预测与计算色彩概率分布图像判断区域是否匹配相结合，进行目标跟踪。4、交通参数检测的研究。围绕交通流参数检测问题，提出交通流参数检测框架。对交通流参数检测中车流量与车速问题进行研究，提出平均车速检测模型与理想状态下瞬时车速检测模型。综上所述，本文围绕交通参数检测相关问题进行深入细致的研究，并提出相应的解决算法或解决方案，最后通过大量实验验证本文算法的有效性。