随着经济的发展,人民生活水平的提高,汽车数量的增长速度远远超过道路基础施建设的速度,城市公路交通系统的压力不断加大,智能交通系统作为一种新的交通管理技术,受到全世界范围的高度重视。本文主要研究智能交通系统中的运动车辆视频检测问题,在背景提取与更新、阴影抑制和车辆轮廓提取等方面提出了自己的算法。概括起来,本文的主要研究内容如下:首先,我们通过改进现有算法,提出了一种基于块特征的背景提取与更新方法。该方法将监控区域分块,通过计算时域上相邻帧对应位置的块的相似程度来判断当前块是否处于变化状态,然后将被判为静止状态的块置入一个时域上的缓冲区,使用缓冲区内储存的块提取背景并实时进行更新。该算法区别于传统的按像素计算的背景模型算法,基于块的思想使得计算复杂程度大大降低,同时仍能取得较好的背景效果。然后,我们提出了一种结合颜色和纹理信息的去阴影算法,除去阴影后得到车辆前景目标。该算法分为两步,第一步是使用颜色信息从前景目标中判断出阴影区域,进行去除,第二步是使用纹理信息获取车辆和阴影的边缘,再利用第一步的结果和阴影边缘本身的特性,将阴影的边缘去除。实验证明,该方法适用于任何方向的阴影,相比传统算法更有优势。但是,对于少数车辆,使用该方法仍然得不到完整的轮廓。最后,本文又提出了一种基于先验形状约束的车辆检测的方法,以前面的去阴影算法得到的结果为初始值,使用先验形状信息把车辆轮廓修复完整。具体实现时,将先验的车辆形状信息作为约束融入主动轮廓模型,采用形状配准和水平集方法演化曲线,直到曲线收敛。实验证明,使用该算法能弥补前一种算法的缺陷,获得车辆的准确轮廓。