智能视频检测是计算机视觉领域备受关注的前沿课题，是一个新兴的研究方向，在离开人为干预的情况下,能够自动对图像序列进行分析,实现对动态场景中的运动目标检测、识别、跟踪和行为理解等操作。智能视频检测系统克服了传统监控需要工作人员实时观测的缺陷,节省了人力物力,增强了监控判断的准确性,在军事、交通、银行等重要场所的监控中有着广泛的应用前景。而利用视频技术进行交通数据采集已成为智能交通系统中的核心内容和关键技术,它具有覆盖面积大、获取交通信息量丰富等优点。论文研究的重点是通过运动车辆的检测与提取算法提取视频中的运动车辆，用一种基于支持向量机的分类算法，通过对目标车辆水平边缘信息提取特征向量，判定该车辆的车型。主要包括三部分内容。图像预处理部分，首先将视频中的彩色图像转化为灰度图像，大幅度降低系统对图像处理的运算量，并对图像进行中值滤波处理。运动车辆提取部分，着重比较帧间差分法与背景差分法之间的优劣，实验对比突出了背景差分法的优势。介绍几种背景差分法中最关键的背景提取算法，比较说明其中的平均背景建模算法更适用于实时交通检测系统，并通过实验对比详细说明该算法在具体实现过程中需要注意的细节。车型判定部分，首先对比分析了各种传统边缘提取算法的优劣，提出一种适用于实时交通检测的快速边缘提取算法，并通过实验对比说明该算法的优势和可行性；然后提出一种基于支持向量机的车型分类算法，该算法运用了快速边缘提取算法中的求水平边缘的理论，使用线性插值法将特征向量机规定化，最后通过实验验证了该分类算法的有效性和可行性。本文提出的基于支持向量机的车型判别算法，采用线性分类方法，从水平边缘信息中提取特征向量，整个算法运算量非常小，同时可行有效，很适合实时交通检测系统。虽然本文的研究中只对小型客车和大中型车辆这两大类进行了分类，但是该算法完全可以应用于更小范围的车型检测与判定系统中。