随着计算机视觉技术、电子技术和通信技术的发展，智能交通系统（IntelligentTransportation Systems，简称ITS）在城市交通的规划和管理中发挥着越来越重要的作用，渐渐受到人们广泛的关注。基于视频序列图像运动车辆目标的定位、识别、跟踪又是智能交通系统研究的关键所在。对视频图像中的运动车辆检测是智能交通系统中视频图像处理的第一步，如果不能从视频序列图像中准确的获取运动物体，会给后续的定位、识别和跟踪等一系列操作造成困难。然而无处不在的车辆阴影是运动检测中的最大阻碍。现今检测前景目标大多采用背景差分法以及适当的去噪处理可以得到运动检测结果，由于阴影与物体具有运动一致性，这使得背景差分法和去噪处理均不能将运动物体和阴影分离开来。这样就造成运动检测的结果包含两部分：一是运动物体，二是阴影。所以在运动检测中阴影区域常常被误检测为前景，造成车体外观及形状的扭曲，车体之间粘连，不利于分割和识别。因此,阴影检测已成为智能交通系统中的一个重要研究课题，具有非常重要的现实意义。本文通过分析和比较现今一些常用的运动阴影检测方法，提出了基于多源信息共同作用的一种检测方法，能够准确的将运动目标和阴影分离开来。先是利用边缘颜色信息进行检测，之后又分别在HSV颜色空间和归一化rgb颜色空间进行了阴影检测。通过对比和分析各个算法的特点及检测结果，提出本文确定运动物体和阴影的方法。本文提出的阴影检测算法具有较高的准确率。因为单独应用边缘颜色信息检测来检测阴影，会造成识别的车体不完整。单独应用HSV颜色空间和归一化rgb颜色空间进行阴影检测会造成部分车体被识别为阴影。在充分分析各个算法的优缺点之后，扬长避短，提出了本文的阴影检测算法，算法达到了预想的检测效果，具有广泛的应用前景。