对交通路况进行监控,实时、准确的获取各种交通参数,是实施智能交通管理的前提。视频监控方法通过分析拍摄的交通图像序列,对交通目标进行检测、识别和跟踪,并对其行为进行分析和判断。与其它检测手段相比,视频监控方式可以同时获得多种重要路况状态信息,有利于实现交通管理的智能化,具有很大的发展潜力。在智能交通视频监控中,无论采用什么解决方案,首先必须能够检测分割出交通场景中的目标。因此,车辆检测与分割方法的研究,在交通视频监控系统中具有重要的意义。车辆的检测一般采用背景差分方法,该方法的性能受到视频图像稳定性和背景估计鲁棒性的影响,需要有快速有效的图像预处理方法、背景建模方法。车辆分割的难点,主要是场景中存在的阴影,以及车辆间的遮挡粘连。本文针对以上问题进行了研究,取得的主要研究成果和创新点如下:(1)为保证背景差分方法的性能,针对摄像机抖动导致的场景运动,提出一种基于三参数模型的快速图像稳定方法,对运动的性质进行判别和校正。该方法模型参数少,求解过程快,能很好满足监控应用中图像稳定的实际需求。在背景估计方面,提出局域灰度分布的概念,基于该特征提出一种混合多模态背景模型,该模型既可以在象素粒度上,也可以在图像块粒度上进行处理,能够自适应交通场景中背景的多模动态性,具有较好的鲁棒性。(2)针对夜晚光照不足时,图像色调偏红,对比度不高的情况,将Retinex图像增强理论与小波分解相结合,提出一种图像融合增强算法,实验表明相对其他几种典型算法,该算法的性能具有明显的优越性。(3)研究了阴影检测问题,针对HSV色彩空间方法误检率高的问题,本文在利用HSV色彩信息的同时,增加梯度特征判据和几何特征判据,提出一种改进算法,该方法能有效减少阴影的误检率。(4)针对遮挡粘连问题,从遮挡关系分解的角度出发,对一种2.5-D车辆描述模型进行了改进,并与二维凸包分割方法相结合,给出了一种解决方案,对跟踪过程中的遮挡问题提出了新的处理策略。(5)研究了位置违章行为的检测问题。根据车辆的2.5-D描述模型,推导出在自遮挡和交互遮挡情况下,车辆整体轮廓、底部轮廓和单一底边的恢复规则。将车辆运动视为其底部在道路平面上二维共面运动,通过分析车辆底部与道路标线的相对位置关系,提出位置违章的两个检测判据和检测算法。