交通事件检测是智能交通系统的重要研究内容之一。本文研究了基于D-S证据理论的交通事件检测融合算法。针对隧道火灾和道路行人检测的应用,本文对D-S证据理论的融合算法进行了研究,并在此基础上提出了相应的改进算法,主要改进包括:结合证据距离可信度和不确定度对证据源的权值进行修正;利用证据的相似度和冲突构造证据间的K-L距离,进一步得到证据的权重。对修正后证据进行加权后融合。将两种改进算法应用于隧道火灾检测和道路行人检测中。首先对提取到的视频序列利用统计直方图法进行背景提取,选取直方图中最大值对应的像素点作为背景的像素值。再通过背景差分法对运动目标进行提取,同时对目标进行二值化处理,利用连通域标记排除干扰目标。隧道火灾检测中选取火焰的面积增长特性、闪烁特性和形状复杂度以及烟雾的纹理特征对火灾进行检测。行人的特征采用:宽高比、面积和速度。利用目标的特征,对视频中的疑似区域进行识别和分析。利用蒙特卡洛模拟法得到各个特征检测的仿真结果,将统计的检测率、误报率利用MATLAB进行融合。初步实验验证了算法的有效性。实验结果显示融合后的检测率、误报率都达到了较高水平,性能优于单数据源算法。改进的D-S证据理论融合算法与传统的D-S证据理论算法相比,在保证不确定度较低的前提下,检测率得到了明显的提高,并且在很大程度上减少数据之间的冲突。当继续增加证据后,融合结果的检测率得到了进一步的提高。