在智能交通系统中,交通信息的实时获取有着越来越重要的作用,获取交通信息的主要手段是车辆检测。车辆检测是智能交通系统的一个重要研究领域,它可以用于检测公路主线车流量、车型、车速、占有率等交通数据,为管理者、决策者提供有效的数字依据。车流量的检测是信息收集的重点,不但有利于实现整个交通系统的调度,而且对单个路口红绿灯控制策略也有很大的帮助。通过对车流量的分析,合理分配时间,智能控制交通流,最大限度的实现通行率,减少车辆等待通行时间。车流量检测的方式有多种,但基于图像处理的视频车辆检测技术以其检测区域大、系统设置灵活等突出的优点,成为智能交通系统领域的一个研究热点。因此,基于视频的车流量检测技术成为其研究领域的重要方面和基础。本文首先针对车辆提取中背景差分法的背景的建立和更新问题,通过分析和研究混合高斯模型的优缺点,结合帧间差分法,提出了一种改进的混合高斯模型运动目标快速检测算法。算法解决了两个问题:一是本文利用帧间差分法初始化背景参数,以改善建模速度慢且一直出现鬼影的问题;二是通过相邻背景间差分值与阈值比较结果,选择背景更新方案,改善背景更新计算量大,耗时间,对光线变化敏感的问题。对于一个实时性要求高的系统来说,快速性是很重要的。本文提出的方法能比较好的消除鬼影,并且在背景更新效率上得到了提高。其次,阴影问题一直是视频图像目标提取的一个比较难处理的地方,对车辆提取有很大影响,它是车流量检测不可缺少的一步。本文对其模型和检测方法进行研究,采用基于直方图法阴影检测算法实现了阴影的检测及去除。车流量检测最后一步是对车辆计数,通过前面的章节对视频图像进行处理后,采用基于虚拟线圈的检测方法实现了车流量检测,在有阴影的影响下也能较准确的实现计数。