交通车辆检测是智能交通系统中的关键技术。车辆检测方法主要有超声波检测法、红外线检测法、电磁感应线圈检测法等。超声波检测法的检测精度不高，抗干扰性能差，容易受车辆遮挡和行人的影响。红外线检测法也存在检测精度不高、抗干扰性能差等缺点。电磁感应线圈检测法存在需要在地下埋设电磁感应线圈，易损坏、可靠性差，安装时影响交通等问题。由于基于机器视觉的检测法具有检测范围广、信息量大、可靠性高和功能强等特点，已成为智能交通领域的研究热点。但由于基于机器视觉的检测法容易受到恶劣天气、阴影等外界因素的影响，还存在一些问题没有得到解决，因此基于机器视觉的雨雪天气情况下的汽车流量检测算法是一个重要研究课题。　　 本文对基于机器视觉的雨雪天气情况下的汽车流量检测算法进行了研究。提出了一种基于机器视觉的雨雪天气情况下的汽车流量检测系统设计方案，以及改进的背景帧差法和相邻帧差法的车辆检测法，提高了运动车辆检测的准确性；对雨雪的物理特性进行了研究，提出了一种车辆图像雨雪去除的方法，利用雨雪的检测模型对雨雪进行检测，采用实时性高的亮度平均法对雨雪进行去除，提高了车辆检测图像的质量；提出基于背景亮度的自适应运动车辆阴影检测与去除算法，提高了运动车辆阴影检测与去除的效率；利用基于虚拟线圈的汽车流量检测方法，根据线框内像素的变化实时统计车流量。采用C语言编写了上述算法的程序，通过对实际采集的图像进行处理和分析，验证了算法的有效性。本文所研究的算法能够应用于基于机器视觉的车辆检测系统中，实现雨雪天气和不同路况的车辆及其流量的检测，并为基于机器视觉的智能交通灯的研究提供理论基础，在城市的智能交通中具有重要的应用价值。