智能交通系统(ITS)是新一代的交通管理系统,它包括交通流量检测、车辆识别、交通异常事件检测等方面,车辆的实时检测算法是基于视频的智能交通系统的关键技术.复杂背景中的运动目标检测容易受背景扰动和光线变化的影响,因此将视频序列分割成具有"语义意义的目标",是一项非常具有挑战性的任务.该论文介绍了固定摄像机条件下运动目标检测基本原理和方法,其中,背景消减法是最常用的运动目标检测技术.背景模型的自适应更新是背景消减法的关键,其快速准确提取是影响运动目标检测的重要因素,因此,该文着重研究了背景提取算法的加速问题,使得处理速度能够达到实时性的要求.彩色图像能够提供更多的视觉信息,因此该文还在色彩空间内对交通视频进行分割并进行阴影检测,达到将运动目标准确完整提取出来的目标.归纳起来,该文的具体工作如下:1.系统阐述了图像处理的基础知识,讨论了视频图像分割的基本原理和方法,为后面的研究工作奠定了坚实的基础.2.提出了一种基于Intel奔腾SIMD指令和混合高斯模型的快速背景提取方法.基于混合高斯模型的背景提取算法能够准确的提取背景,但是速度较慢.在一种改进的混合高斯背景模型中,Jeffrey值的计算和背景模型的更新等存在着很高的内在SIMD并行性,通过将数据按照SSE数据类型组织,实现了混合高斯背景模型的SIMD算法.实验结果表明:嵌入奔腾SIMD指令的方法比传统方法提高75％左右的速度,达到了实时处理的要求,具有较大的实际应用价值.3.提出了一种基于颜色信息的运动目标检测算法.首先通过建立一个可靠的背景更新模型,然后在RGB色彩空间内综合利用背景消减法和对称差分法得到包含阴影的运动目标区域,并且利用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,最后在HSI色度空间内检测阴影,将视频序列中的运动目标快速准确的检测出来.