随着城市化进程的加快,汽车已经成为人们日常生活的主要代步工具之一。但是,由于汽车保有量不断增加,传统的交通系统即将不能满足交通管理的需求。因此,一些负面问题日益突出,如交通拥堵,事故频发等。目前迫切需要一种有效的方式来加大交通管理力度,尽最大的努力避免交通事故的发生并降低交通事故的死亡率。基于图像处理的智能交通系统因其实时、高效的特点,渐渐的受到人们的关注。本文主要对智能交通系统中的违章监测算法进行了研究。设计了驾驶员安全带佩戴识别方法和驾驶员接打电话识别方法,并对车辆行驶违章检测过程进行了改进。由于驾驶员安全带佩戴识别和驾驶员接打电话识别均是在车窗区域内进行检测的,如果车窗定位的准确度不高,则对后续检测会有严重的影响。因此本文首先对车窗定位进行了重点的分析与设计,研究了一种基于边缘检测和积分投影的车窗定位方法。为了更加准确检测驾驶员是否佩戴安全带,本文对Hough变换直线检测进行了研究,对Hough变换直线检测后出现的各种情况具体分析,重新设计了一种基于Hough变换的安全带检测方法。鉴于已有的肤色模型在肤色分割时不具有针对性的缺点,考虑本文的实际情况,研究了一种基于人脸检测的肤色分割模型。首先利用Viola-Jones人脸检测算法检测人脸,然后利用人脸区域像素点作为样本点构建肤色模型。并且设计了一种基于Viola-Jones人脸检测的驾车打电话违章识别方法。为了提高监测系统整体的运行效率,在前人的基础上对车辆行驶违章检测过程进行了改进。在构造车道线模型时,利用直线对车道实线进行近似。在跟踪运动车辆时,仅将车道中新增的车辆与前一帧相邻的车道中消失的车辆进行匹配。本文最后在考虑用户需求和系统性能的前提下,设计了一套完整的违章监测系统,该系统包括驾驶员行为违章检测和车辆行驶违章检测两个主要功能。通过使用此系统可以验证本文的驾驶员安全带佩戴识别方法和驾驶员接打电话识别方法具有很高检测率和处理效率。