实时交通流数据的采集，包括车流量统计、车道平均车速、车型分类、车道占有率等，在智能交通系统中起着重要的作用。交通流检测器有电磁感应线圈、超声波检测器、微波检测器和红外光标等多种方式，而基于图像处理的视频检测方式近年发展很快，因为它具有大区域检测、设置灵活等优越性，已成为智能交通系统的一个研究热点。通常的视频检测手段强调二维图像的处理算法，包括车辆的识别、分割和跟踪等。本文致力于研究一种灵活并且可靠的视频交通流检测系统，在图像中使用智能传感器的概念，完成自动快速的数据运算。其核心思想是通过视频虚拟线圈将二维的图像信号转化成一维的数字时间信号。虚拟线圈的作用类似于电磁感应线圈，每个车道可以设置一到两个虚拟线圈来检测交通流参数，该方法的特点是避开了在二维图像空间中进行复杂的车辆特征提取与跟踪。虚拟线圈可以在视频图像中自由设置，并且位置和大小可以调整。系统只处理虚拟线圈内的图像，由此降低了运算时间。各个虚拟线圈的输出信号主要来源于帧间差分，当帧间差分的结果小于判断阈值时，系统会自动调用减背景图像处理方法来产生虚拟线圈信号。通过对交通流实际样本的自学习，系统能够找到合适的放大倍数来调整线圈输出信号，从而抑制噪声，使得虚拟线圈的输出信号更真实的反映车辆的实际通过情况。每个虚拟线圈都拥有自己的数据缓冲池而不会造成多线圈间的数据访问混乱，数据缓冲池中的数据是逐帧更新的。通过监视各个数据缓冲池中的信号，系统能够检测到车辆的出现并开启跟踪进程。当同一个车道上前后两个线圈同时检测到车辆的运动时，系统从两个线圈的数据缓冲池中找到相应索引位置的数据进行相关匹配求得车辆的行驶速度。为了精确的在一维时间信号中跟踪车辆，系统引入了两个重要的参数（最大容错度和最小可靠性）以及跟踪进程中的奖惩策略。最后，各车道的流量统计、各车辆的速度测量以及车型分类通过监视、跟踪虚拟线圈的输出信号求得。视频虚拟线圈检测交通流参数的实时处理原型系统已经在计算机上实现，实验结果表明该系统具有较高的车流量和车速检测精度。