数字视觉视频运动目标检测是机器视觉系统和智能交通系统的关键性技术之一,一直是学术界一个重要的前沿研究课题。本文以摄像机固定条件下拍摄的道路交通视频图像为研究对象,针对智能交通系统中道路交通信息检测中存在的几个问题,提出了解决方法,并通过仿真加以验证。背景差方法是智能交通系统中一种常用的运动车辆信息检测方法,运动车辆信息检测的效果将直接影响智能交通系统的功能。由于道路监控场景的特点,传统的背景差方法容易将闪烁的交通信号灯误认为是运动物体,而将一些临时停留的物体认为是背景,影响了检测的效果。本文以传统背景差方法中综合效果最好的混合高斯模型为基础,提出了一种改进方法。该方法通过控制混合高斯模型中前景和背景的相互转换过程,避免了闪烁的灯光和临时停留物体对检测效果的影响。光流场方法也是一种常用的视频运动物体检测方法,并且能够定量地求出目标运动的速度。但是,由于光流的不适定性,该方法求得的物体运动速度的准确性相当低。光流场方法的另一个缺点是运算量太大,要通过特别的硬件才能实现实时应用。本文提出了一种基于目标的局部约束光流分析方法,该方法以运动物体各部分有相同的运动速度为约束条件,减少了光流法的运算量,并且在结果可靠性方面比传统算法更佳。对两种方法都进行了Matlab仿真验证,证实了它们能够实现期望效果。最后,将两种改进方法应用到道路交通信息检测中,从Matlab仿真结果看,改进方法在检测车辆速度的精度方面相对与传统方法有较大进步,检测效果较好,两种改进方法可以用于车流量的检测及道路交通信息提取。