交通视频监控中视频车辆的检测和跟踪技术近年来已成为智能交通领域的热点研究内容,视频监控系统广泛应用的同时也出现了视频采集7*24的工作,视频存储容量庞大,存储设备成本增加,当需要远程传输时也会影响传输效率和交通视频图像处理的实时性等问题。因此本文从实用性出发,研究基于交通对象视频压缩的方法,实现背景和车辆不同比率压缩。本文在进行交通视频图像处理时,考虑到人们往往只对感兴趣的车辆、行人等运动目标进行研究,关注车流量、车速、占有率等信息,而对路面及周边的设施、绿化带等背景信息不用给予太多关注。在这种情况下,可以对视频进行基于对象的压缩处理,即在保证运动车辆不失真的前提下,对背景进行高比率的压缩,对运动车辆进行低比率压缩,以重点突出感兴趣的车辆,去掉多余的信息,减小视频存储空间,提高传输效率。本文首先介绍了智能交通系统视频车辆检测和跟踪的现状,以及视频压缩的意义,然后介绍了车辆检测的方法并对比几种边缘检测算子的效果,提出基于边缘背景差分法进行车辆检测。利用车辆跟踪算法获得车辆的位置和大小信息,结合运动估计思想,对背景和运动车辆分别进行帧间编码,最后对背景和车辆以不同的压缩率分别进行帧内编码,经过DCT变换,量化,Z形扫描和熵编码后,将背景和车辆重新合成视频。实验表明压缩后背景与车辆的图像质量形成明显对比,背景高比率压缩后不影响对车辆信息的研究分析。在视频分辨率和播放时间速度不变的情况下,经本文方法压缩后的视频比经MPEG-4压缩后的视频小40%,实验整体效果不错,达到预期的目的。