随着社会的不断进步与经济的高速发展,道路交通与人们的生活越来越密切。近20多年来,世界各发达国家在开展大规模的道路建设的同时,纷纷开展了智能交通管理的研究,取得了许多科研成果和成功经验,获得了很好的道路监控管理效果。由国内外各项研究成果和大量文献所提出的算法可以看出,能否实现一种鲁棒性的车辆检测算法是智能道路监控能否进一步发展的关键。目前提出的算法和实现技术都是在一定的限制性条件下优先解决某个或者某几个问题而提出的。智能交通监控系统中,由于道路的状况、周围的环境不同,能够适应各种环境、准确实时地对车辆的检测算法还远远没有成熟。本文对常见的一些运动目标检测算法进行了对比,采用了ViBe的背景提取方法用于检测运动目标,虽然实时性和检测效果很好,但是会出现一些“鬼影”现象。同时,这种方法易造成的运动目标阴影和运动目标之间的混淆,如何去除阴影也是当前比较难处理的问题,实际在运动场中出现阴影是件正常的事情,如何去除阴影也是比较难处理的问题。本文将Otsu动态阈值的方法引入阴影的区域划分中,同时使用HSV颜色空间模型两种方法配合使用,在实时性和有效性上取得较好效果。准确的运动目标获得后,如何通过简单易实现的判断方法快速确定运动目标是否为车辆,也是实际工程应用中常遇到的难题。本文针对道路视频中运动车辆检测相关算法进行了深入的论证与分析,在已有的方法基础上进行了一些改进和创新。主要工作如下：第一,对现有的运动目标检测算法,通过实验和学习对比,分析了不同方法具有的各自优缺点。综合考虑后,合理选取了ViBe的方法,并针对ViBe易出现“鬼影”的问题进行了仔细论证和实验分析,改进ViBe方法取得了较好的实验效果；第二,对已检测后的运动目标信息进行车辆判断,由于受阴影的干扰影响而造成检测精度和准度的减小。从现有的阴影去除方法入手,在HSV颜色空间模型的阴影检测方法上,引入了Otsu的动态阈值分割方法用于寻找阴影区域与运动车辆目标信息区域像素值。同时,针对阴影去除方法导致的降低实时性问题,实验时使用固定自动更新阈值的方法,取得较好效果；第三,根据车辆的基本外形特点来判断运动目标是否是车辆,并实现了车辆统计的功能,最终得到了一个道路视频车辆检测的系统。