随着全球经济的快速发展，居民的车辆拥有率也在不断攀升，伴随而来的就是日益严重的交通问题。为了减缓交通运输压力，世界各国都加强了对智能交通系统的研究和建设。交通运输未来的发展趋向于智能化，作为一种新兴产业，智能交通已为我国经济不断发展注入了新的动力。车道偏离预警系统作为ITS其中的一部分，在车辆偏离车道行驶时,通过发出警告提醒驾驶人员进而避免危险发生。而构成交通环境的基础因素就是车道线，因此车道线的检测尤为重要。本文主要基于Hough(霍夫)变换原理，以交通视频检测图像为研究对象，对车道检测的关键技术进行了研究。Hough变换作为一种常用的从图像中识别出几何图形的方法，其具有较好鲁棒性，可以在噪声环境比较大的情况下识别出车道直线。首先，本文大概介绍了智能交通系统及车道预警系统的应用需求，国内外对其的研究及应用现状。针对图像的预处理问题，本文对图像灰度化、灰度的线性变换、图像增强及边缘检测进行了分析与实现，以采集到的车道图像作为实验对象，通过对比实际效果确定了车道预处理的具体流程与方法。通过分析几种交通检测方法及常用车道检测方法，并对Hough变换进行了测试，通过比较实际效果，充分说明了Hough变换在车道检测方面的优越性，最终确定将Hough变换作为主要算法。然后以交通监测视频中提取的背景图像为研究对象，针对车道划分对车道背景主要进行了以下处理：首先将背景车道进行灰度处理，将彩色图片转换为灰度图；其次是将处理后的灰度图进行灰度线性变化和二值化处理，目的是去除车道边缘附近的噪声白点；将生成的二值图进行中值滤波和Roberts边缘检测，然后进行Hough变换拟合出车道线。本程序在Microsoft Visual Stdio2010开发环境下使用C#语言编译并且开发出了一套车道检测系统，在进行多组实验后得出所检测出的车道边缘清晰而且噪点少，测得结果基本满足车道的划分的要求。