近年来，基于视频的交通参数检测成为计算机视觉领域新兴的研究方向，基于视频的交通参数检测是智能交通系统的一个子课题，具有广阔的应用前景，同时基于视频的交通参数检测技术涉及了图像处理、计算机视觉、模式识别以及人工智能等学科与领域，具有较高的学术价值和理论研究意义。 本文以摄像机固定情况下拍摄的视频图像数据为研究对象，以实时提取交通参数为研究目的，深入研究了图像序列中运动目标的检测、目标阴影检测以及交通参数提取技术，并在此基础上设计实现了视频交通参数检测系统。 车辆目标检测是视频交通参数检测的重要内容，对于摄像头固定情况下的交通场景图像序列，车辆目标检测的主流方法是运动目标检测算法。本文研究了瞬时差分法、背景差分法以及背景模型法等目前主要的运动目标检测算法，通过实验分析了各种算法的技术特点及优势，并在分析现有运动目标检测算法基础上，提出了一种改进的背景模型算法，改进算法以瞬时差分法的输出作为是否更新背景模型的依据，有效解决了背景发生突变后的模型更新问题。 运动目标的阴影具有与运动目标相似的视觉与运动特征，常常在运动目标检测中被误判为运动目标，因此需要在运动目标检测后进行阴影检测。本文系统介绍了阴影模型以及目前主要的检测算法，重点研究了HSV空间内确定性非模型阴影检测算法，通过实验分析了HSV空间内亮度、色度以及饱和度约束条件对算法的影响。 论文研究了基于检测区域的交通参数提取算法，给出了车流量、车速、车型等主要交通参数的算法流程，并应用模块化的方法在VC++编程环境下设计实现了视频交通参数检测系统，系统采用大恒公司的CG400图像采集卡，通过对现场摄像机拍摄的PAL格式图像数据进行分析以提取交通参数信息，最后论文采用经十路舜耕路段交通场景视频信号对系统进行了测试，试验数据显示系统具有较高的准确率，并且满足实时处理的要求。