目前，交通信息的实时监控及分析，对于加强城市交通管理能力起到了越来越重要的作用。为了能够实时地收集交通信息，通过视频检测的方法进行交通信息的采集正在受到更大的重视。通过对放置在公路上的摄像机所采集到的路面视频图像的处理，可以获得诸多交通参数，这些参数对于道路交通的自动化管理有着重要的意义。视频交通检测技术已逐渐成为交通信息采集领域的主流技术，具有很好的应用前景。本文首先对基于区域感应的交通参数检测技术进行了研究，主要讨论了虚拟检测线法，提出了一种基于虚拟检测线的交通信息检测算法；这种方法在对车辆进行检测时以车道为单位，每条车道设置两条检测线来检测交通信息，可以在交通十字路口等复杂交通环境下进行检测。系统通过对视频虚拟检测线的预处理，将二维的数字图像信息转化为一维检测信号，减少了运算量，降低了运算负荷，提高了系统的实时性。真实交通场景中存在很多的干扰，这些干扰严重影响着检测结果。本文使用了一种改进的背景初始化和智能更新方法，保证了前景目标检测的准确性。同时，针对视频场景中的行人和夜晚车辆灯光等严重影响检测准确性的干扰，引入了目标运动方向判断技术。通过对行人和夜晚车灯等目标的运动方向判断来去除这些干扰。本文使用了一种阴影消除方法来去除阴影的影响。通过对不同时间段的交通流视频进行实验，分析了检测线技术存在的不足，提出了解决跨车道和车距过近引起的误检与漏检的方案。实验结果表明该方法具有较好的适应性、较高的检测精度和很好的实时性。另外，为了解决基于虚拟检测线法无法检测跨车道和车辆转弯等问题，同时利用粒子滤波在解决非线性和遮挡问题方面的优越性，本文对基于粒子滤波目标跟踪的交通信息检测方法进行了研究。本文通过使用目标质心和运动参数的模型对目标进行跟踪，对有遮挡的行人和有着复杂运动方式的车辆视频进行实验。实验表明这种粒子滤波的跟踪方法可以很好的解决遮挡问题，并且对于有着相对复杂运动方式的车辆跟踪性能也较好，可以在很大程度上弥补检测线技术的不足。