智能交通信息系统是目前世界交通运输领域正在研究和广泛关注的课题,它在道路设计、流量监控和高速公路管理方面起到了越来越大的作用,传统的基于地感线圈的交通检测和车辆分类方法因其获得的信息量少,难于安装和较低的可靠性等缺点难于广泛应用,而基于图像处理、模式识别的检测方法解决了以上的不足,能够广泛应用于交通监控、自动停车管理以及高速公路监控,成为智能交通系统的发展方向。一般来说,基于图像处理和模式识别的智能交通信息采集自系统可分解为运动分割、目标跟踪和参数提取三大步,本文在对比了现有的几种视频运动目标检测技术后,根据智能交通信息采集系统的使用环境选取了针对性的检测方法,考虑了经典的背景更新方法的不足,提出了一种基于高斯-卡尔曼混合模型的背景模型,极大的提高了检测的准确性和稳定性。在此基础上,本文对运动目标的分类与目标轨迹跟踪做出了研究,提出了一种基于由粗到精的匹配跟踪算法,在跟踪的速度和精度上比以往跟踪算法有较大的提高,配合摄像机定标,对运动目标的运动参数进行了提取。最后,根据车流量及其运动参数,对一些交通信息进行了推导。另外,本文对使用环境中的一些干扰因素,如摄像机抖动,噪声干扰等作出了探讨,在车道的自动识别上也作出了研究,并对交通信息采集系统的设计与实现作了详细介绍。经过实验室测试与实际应用证明,该系统及其相关算法具有较强的实用性和现实意义。