随着车辆数目的急剧增加,如何有效地管理车辆以减少事故率的发生日益成为各个国家关心的重大问题。针对这种情况,各种智能交通系统应运而生,而有效地对车辆进行检测是该系统的核心环节,本文主要对车辆检测领域的背景建模、阴影去除、遮挡分离三大问题进行了研究,并提出了相应的改良方法。目前比较常用的车辆检测技术有光流法、帧间差分法和背景帧差法,其中在对背景建模准确的情况下,背景帧差法在实时性和准确性两方面都有较好的性能,所以,关键任务是建立优秀的背景模型,本论文中,我们对均值滤波建模法进行了改进,通过引入直方图阈值预判,解决了传统均值滤波法在复杂背景下效果不好的难题；同时,由于在光照条件下,对前景的检测不可避免地会把阴影一同检测出来,严重影响了后续跟踪和分析,所以要对阴影进行去除,本论文中,我们对基于HSV空间的阴影检测算法进行了改进,通过引入八邻域均值来增强单像素点的抗噪性；此外,由于目前的车辆拥堵情况非常严重,车辆的互相遮挡不可避免,如何对车辆进行去遮挡处理是车辆检测及阴影去除后的必需环节,本文提出了一种基于转折角点的去遮挡方法,该方法分为目标区域块的空洞填充、转折角点的提取和分类、基于转折角点的模板匹配三个主要步骤,在目标区域块的空洞填充步骤中,本文提出了一种基于轮廓的空洞填充方法,在转折角点的提取和分类步骤中,本文通过圆盘移动方法提取目标区域块的转折角点并通过转折角点的倾斜角归一化直方图对转折角点进行分类,在基于转折角点的模板匹配步骤中,我们利用目标区域块和模板两者对应的循环链表进行比对,找出与目标区域块匹配的模板,根据模板提供的分离策略,实现遮挡分离。本文提出的基于转折角点的去遮挡方法适用于各类常见的遮挡情况,具有广泛的适用性。