预防交通事故和减少交通阻塞成为现今各大城市面临的交通难题,为了实现有效的交通管理,以计算机技术、通信技术、视频监控等现代技术相结合的智能交通数字系统应运而生。作为智能交通系统的重要组成部分基于视频的车辆检测和车牌识别系统可以大大提高车辆管理的工作效率加速交通管理自动化和智能化的步伐。本文针对智能交通系统中的关键技术,包括运动车辆检测、车牌定位、字符分割与识别进行了研究。阐述了视频对象分割提取的重要性,分析了车辆检测技术的特点,比较了几种经典的运动目标检测算法。提出了自适应背景更新的运动目标检测方法,从摄像机获取连续三帧图像,进行对称差分,将得到的两幅差分图像进行与运算,提取出中间帧图像中运动目标的形状轮廓。再将中间帧和当前背景进行帧间差分,目的是修正差分图像,进而检测出准确的运动区域。为了获得变化的背景,给出了长期背景更新和短期背景更新两类更新方案。长期背景更新是为了配合短期背景更新,使其在无法适应外界环境变化时,自动更新短期背景,校正短期背景的误判。由实验结果可知,改进的算法能准确地提取运动车辆,对光照等外界环境的变化有较强的适应能力,具有运算量小,实时性佳的特点。通过提取视频图像序列中的关键帧,进行基于形态学的车牌初定位处理。初定位采用改进的Top-Hat形态学运算进行图像增强、去除车牌背景区域,并使用OSTU算法二值化灰度图像,使用Canny算子进行边缘检测,接着利用提出的图像像素偏移相或的方法,形成连通区域,最后用形态学方法去噪,完成车牌的初定位,并得到几个车牌候选区；接着二值化该区域,综合多种特征信息进行融合处理(面积、长宽比以及垂直投影特征值),对存在字符倾斜的车牌,采用直线拟合的方法倾斜矫正,完成车牌的精确定位；接着将车牌分割为标准大小的单个字符,由于车牌字符位置分布有一定的规律,采用投影分析的方法,找出字符的中心位置,分割车牌；字符识别采用改进的基于序贯相似性检测的模板匹配算法,建立标准模板库,对字符特征提取,用改进的方法实现模板匹配,输出识别后的结果。实验表明,采用的车牌识别算法具有鲁棒性佳、准确率高、环境适应性强的特点,车牌定位时间在0.15s左右,字符分割与识别的准确率也在95%以上。和其它的运动车辆检测与车牌识别方法相比,本文所提出的一系列方法在一定的条件下具有更高的精度,并且满足智能交通系统对实时性和准确性的要求。