随着汽车数量的日益增多，交通压力急剧增加，由车辆违章行为引起的道路交通事故也越来越多，因此世界各国都加强了对智能交通系统的研究与应用。闯红灯车辆检测是智能交通系统的一个重要内容，它对减少交通事故、规范交叉路口的行车秩序、保证交通的畅通具有重要的作用。由于基于视频的闯红灯车辆检测方法具有监控范围广、使用成本低等特点，近年来得到深入研究和广泛应用。基于混高斯模型的运动目标（车辆）检测算法是这一领域最主流的算法，但是该算法用于闯红灯车辆检测依然还存在初始化参数选择不合理、实时性差等问题。针对这些问题，本文对混合高斯模型的参数初始化和GPU并行计算等问题进行了研究。本文的主要工作和贡献如下：（1）针对实际道路监控视频中，若采用红灯期间采集到的第1帧图像初始化混合高斯模型参数，通常会因为含有运动车辆而出现混合高斯模型初始化参数选择不合理的问题，本文提出了一种改进的混合高斯模型初始化算法，即先利用第一个红灯期间的视频数据构建背景图像，再用它初始化混合高斯模型参数。实验证明，本文提出的改进算法提高了闯红灯车辆检测的精度。（2）针对闯红灯车辆检测算法计算量大的问题，为满足实时检测的需要，本文利用GPU的并行计算能力对闯红灯车辆检测算法进行了并行设计与实现。实验证明，本文提出的基于GPU的并行算法能有效提高闯红灯车辆检测的实时性。