交通流参数检测是智能交通系统的重要研究内容之一，交通流参数包括车流量、车速、车道占有率等多种类型，检测方式也多种多样。在众多检测技术中，基于视频图像处理的交通流量检测技术以其检测区域大、信息量丰富及系统设置灵活等突出优点迅速发展，逐渐成为国内外智能交通系统领域的一个研究热点，有着广阔的应用前景。在阅读和理解国内外智能交通系统基础上，本文首先介绍了智能交通系统的概况及各种交通流量检测技术，详细介绍了视频检测技术的发展概况及其优越性特点，并对视频检测系统和算法的发展现状做了概要描述。通过对现有多种算法的研究与分析，在借鉴前人研究经验的基础上，本文采用基于视频图像处理的方法对车流量进行了检测与统计算法研究，其主要内容包括：首先对在算法过程中所用到的视频图像预处理、色彩空间转换、形态学图像处理等理论算法进行了概述，然后对常用的车辆目标检测算法进行了深入的研究讨论，从实时性、空间准确性及抗噪能力等多个角度对比总结了各算法的优缺点及适用环境。其次，针对外界环境下采用背景差分算法检测目标所面临的问题，本文改进了K-均值聚类的车辆目标检测算法。实验表明，该算法可随着背景条件的变化实时更新背景图像，快速准确的分割出其中的运动目标，不但可以有效地提取出运动目标，而且同传统的方法相比具有较好的自适应性和鲁棒性。针对在外界条件下车辆目标产生的运动阴影问题，在运用阴影多特征融合的前提下，采用基于支持向量机的运动阴影去除方法，通过验证表明改进方法能够准确的提取出车辆阴影，并能够完整保留目标车辆的信息，且在性能上比传统的去除算法也有所提高。最后利用本文所使用的算法，采用了VC6.0开发工具设计系统界面并结合OpenCV图像开发包进行编程，在PC机上给予了视频车流量检测系统的设计与实验，取得了较好的效果。