智能交通系统(ITS)是目前世界各国交通运输领域竞相研究和开发的热点,而车流量统计是智能交通系统的主要研究领域,也是智能监控系统的一个热点研究方向,车流量统计主要基于车辆检测技术,目前车辆检测技术主要是在特定约束条件或某种应用背景下提出的,还有很多问题有待解决。本文在深入研究前人的基础上,对车流量统计背景更新、运动目标分割、运动目标检测、遮挡检测、阴影抑制等方面进行了研究,主要的工作和创新如下:(1)背景更新阶段。本文主要采用背景减法提取运动车辆,为了提高车流量统计精度,采用背景差法和帧差法提取背景掩码mask,利用mask来更新背景,从而获得准确的背景图像。(2)图像分割阶段。本文提出了基于连通域的两轮扫描法,该方法能够在复杂环境下有效分割各个连通域,准确提取各个运动车辆的特征信息(大小、位置、矩特征、轮廓等)。(3)遮挡检测阶段。传统视频检测车流量统计利用车辆跟踪解决遮挡问题,算法复杂且容易受到外界干扰影响,本文针对常见的车辆遮挡情况,建立若干车辆遮挡模型,利用分层轮廓匹配法将运动目标与车辆遮挡模型进行轮廓匹配识别出遮挡车辆。(4)阴影检测阶段。本文考虑到实时性和实际情况,利用YUV的色差分量U、V和HSV空间的色度以及饱和度分量存在一定联系的性质,提出基于YUV彩色空间检测并去除出运动目标的阴影像素。(5)本文在背景更新、图像分割、遮挡检测、阴影检测等模块的基础上,构建了一个基于DSP的车流量统计系统,并对部分程序结合DSP特点进行了优化,对通过摄像头获取的图像进行实时处理,获得车流量信息。