智能交通系统(Intelligent Transportation System,ITS)是一种综合多领域学科的集成系统,涵盖当前许多前沿技术,旨在智能快捷地管理交通通行。现今,越来越多的人在关注和使用它。目标车辆的检测与分割是ITS的基础环节,为系统后续处理,如识别、跟踪和计数等操作提供方便。车辆检测与分割算法早已成为国内外研究的热门课题,本文主要针对目标检测、遮挡区域判断以及分割这三方面进行研究,并通过实验检验算法的准确性和有效性。在目标区域检测时,对常用的光流法、帧间差分法以及背景差分法进行研究讨论,发现使用混合高斯模型的背景差分法效果好。但是背景建模时,混合高斯模型计算量比较大。本文针对这一现象,提出了基于连续帧差法结合混合高斯背景建模的运动车辆检测算法。该算法主要是利用连续帧差法先快速对图像进行粗检测,提取大概目标区域,后采用基于混合高斯模型的背景差分法,对粗检测的目标区域进一步精确检测。针对多车辆遮挡分割的问题,本文提出了基于轮廓特征点凹性分析的遮挡车辆分割方法。先对检测的目标区域进行判断,通过外接矩形的高宽比和占空比提取遮挡区域。然后通过凸包算法提取遮挡凹陷区域,经Freeman链码判断出凹区的局部凹点,采用凹点分析进一步筛选合适的凹点,并将其遍历扫描分成凹点集,选取凹点集中点到凸包线最大距离的点分割车辆。实验结果显示,本文算法最终很好地实现了目标车辆的检测与分割,且与基于凹性分析和基于角点的方法相比,性能和准确性更优,场景适应性好。