车流量检测是智能交通监控系统的一个重要部分。通过对道路车流量的实时检测,得出交通状况和交通信息,并据此做出信号控制来指挥交通,从而可以减轻道路拥挤程度,提高交通设施的利用效率,保证整个交通系统的高效流通。基于视频的车流量检测以检测区域广、操作简单,提取信息全面等诸多优点越来越被重视,成为新兴的研究热点。通过对传统的车流量检测方法的技术特点和优劣势的分析与比较,本文采用一种针对局部图像的帧差法和背景差分相结合的车流量检测方法。该方法既解决了背景差分法对背景模型过于依赖的问题,也消除了帧差法对于快速运动的物体产生的双影问题。阴影问题一直是影响视频车流量检测准确率的重要因素,而RGB空间颜色分量有相关性。本文采用基于霍特林变换的阴影抑制,该方法通过帧差获得车辆和阴影的轮廓图像,然后对轮廓图像用霍特林变换解除了RGB分量的相关性,在此基础上构造了阴影测度进行阴影检测,具有较好的阴影检测效果。多车道车流量检测对车道的划分提出了更高的要求。Hough变换是一种能够有效地检测直线的方法,但要求图像清晰,车道标志线明显。本文对传统Hough变换进行改进,得到一种基于模糊理论的车道标志线检测新算法,该算法将模糊集和动态聚类分析的思想引入到Hough变换算法中,从而获得直线的精确定位,能适应不同环境下的车道划分。对处理后的图像选取局部检测区域并提取数据流,通过对数据流的校正、比较来实现车辆计数。