智能视频监控是计算机视觉领域的一个新兴的研究方向和备受关注的前沿课题,在不需要人为干预的情况下,对图像序列进行自动分析,实现对动态场景中的运动自标检测、跟踪和行为理解等操作,并能够根据分析结果判断是否发出报警。智能视频监控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。论文的研究重点是通过交通视频图像,提取运动的车辆信息并去除有相同运动特征的车辆阴影,获取交通路口的实时车流量信息,反馈给交通控制中心进行交通控制管理。主要包含三个部分：运动车辆检测,阴影检测以及车流量提取。在运动车辆检测部分,通过对现有的各种运动目标检测技术的分析和比较,提出了一种均值滤波的直方图统计法与像素均值法结合的背景建模方法,并利用单高斯模型实时更新背景,算法简单,能快速获取较为精确的实时背景模型。该方法较混合高斯背景模型而言,计算简洁,且在初始输入帧的背景学习中更为精确。提取的运动车辆差分图选用OTSU方法实现二值化,能保留大量的运动车辆信息,二值化效果良好。在阴影检测部分,通过分析现有的基于颜色空间和梯度的阴影检测方法,提出了一种结合颜色空间和梯度的阴影检测方法,该方法能有效的去除阴影并保留较为完整的车辆信息,减少空洞现象。在车流量检测部分,介绍了基于虚拟线圈的车流量检测方法,以及基于矩形连通区域面积的车辆判定法,并提出了一种新的判定依据,基于运动目标外接矩形中心点的判定方法,该方法能有效的减少跨道以及车体颜色与地面相似等因素造成的误判,检测效果良好。基于视频图像处理的车流量检测算法原理简单,计算便捷,且对于车流量数据的提取更为精确,通过大量实验仿真,能很好的实现系统预定的车流量统计功能。