智能交通系统(Intelligent Transportation Systems,ITS)以其对交通的智能化管理,成为国内外众多学者的研究热点。在ITS中,如何快速获取交通参数对于整个ITS是至关重要的,而目标车辆的提取是获取交通参数的关键环节。然而,在交通监控系统中,道路摄像头所捕捉到的交通视频图像,因拍摄角度等因素可能会出现多个目标车辆之间相互重叠的现象,影响车辆提取、识别及跟踪等后续工作的开展。因此,本文围绕目标车辆的提取、重叠车辆的检测与分割算法进行研究。首先,本文采用了基于直方图统计的固定窗口法获取背景,该算法为每个像素点建立固定窗口,以统计该点在连续多帧内出现次数最多的灰度值作为其背景灰度值。针对阴影及阴影造成的车辆重叠问题,本文采用基于OSTU双阈值的灰度空间阴影消除法进行解决,该方法利用OSTU将目标区域分割为不同的区域,以进行不同程度的灰度增强,再利用背景差分法消除阴影,以获取目标车辆。然后,针对重叠车辆的检测与分割问题,本文提出基于轮廓特征点的重叠车辆检测与分割算法:(1)重叠车辆的检测。本文首先利用Freeman链码提取目标车辆区域的特征点,并获取目标车辆区域最小外接矩形,最后根据提取到的特征点总数及占空比判断目标车辆区域是否发生重叠。(2)重叠车辆的分割。通常情况下,重叠车辆的分割点位于发生重叠的车辆的凹陷区域,因此本文首先对目标区域进行凸包分析以获取凸包顶点序列;然后,根据凸包顶点序列计算凹陷跨度及深度,从而获取目标车辆的凹陷区域;最后,通过计算凹陷区域内的特征点与对应凸包顶点的距离,寻找最优分割点,最终分割重叠车辆。与基于椭圆拟合、凹性分析的方法相比,该方法不需要车辆形状以外的先验知识,能较为准确地分割重叠车辆,具有较好的适应性。