随着经济的高速发展,交通运输的保障就显得尤其重要,对交通管理的要求也越来越高,智能交通系统ITS(Intelligent traffic system,ITS)将信息技术运用于交通状况监控管理与车辆通行控制,以保障交通顺畅及行车安全,改善环境质量。在智能交通管理系统中,实时获取交通车流量的车辆检测技术是ITS的基础。利用数字图像处理技术来实现交通流量的车辆检测已成为近年来该领域的研究热点。本文对国内外在交通系统中车辆流量检测相关技术和最新研究成果进行了较为深入的研究和分析,在此基础上,在此基础上,针对基于图像处理技术进行交通流量的检测这一方法中,图像增强过程中需要对图像的噪声滤除和边缘信息保留进行兼顾和平衡的问题,运用了图像增强的改进算法,利用粗糙集的不可分辨关系划分噪声点和非噪声点,从而来解决噪声滤除和边缘信息保留之间矛盾的问题。该方法既有效的滤除噪声又能使图像的边缘信息得到增强。在神经网络用于车型识别的传统方法中,输入元素(即用于车型识别的特征向量)一般都是由设计者由经验来决定的,这种做法缺乏科学依据,一般也很难构成最优的神经网络结构。本文中提出了采用粗糙集的神经网络进行车型识别的方法。将粗糙集理论引入到神经网络的识别系统中,通过粗糙集理论,对知识进行挖掘,对于车型识别相关的图像特征向量进行简化,使得神经网络的输入元素可以得优化,从而就大大降低了神经网络的复杂程度,使实现系统识别算法所需要的时间减少很多,从而提高了系统的实时性。在识别算法研究的基础上,基于NIOSⅡ处理器设计了一种便携式高性能低成本交通流量计,实验证明方案简易可行。