交通流参数自动检测技术是通过各种传感设备对路面行驶目标进行探测，自动获取相关交通参数的技术，是道路交通状况及异常事件的自动监测和处置等道路交通管理智能化的基础。基于视频流的道路交通参数自动检测技术有智能化程度高，适用范围广，易于操作等优点，是智能交通检测技术发展的方向，具有重要的研究和应用价值。本文重点对视频交通流参数自动检测技术中的几个关键问题进行研究。论文主要研究内容如下：（1）针对视频中存在的大面积相似颜色及特征的复杂场景，基于颜色或模型算法对道路不能准确定位的问题，给出了一种基于区域生长的道路定位算法，实现了道路的自动定位。该方法首先利用背景和视频图像部分帧相减得出车道的大概区域，然后将相减图像中车辆位置的坐标点作为区域生长的生长点进行4邻接生长，从而得出准确的道路区域。（2）通过分析车道线的特征，给出了一种基于边缘检测的车道线识别算法。该方法首先利用Canny算子对图像进行边缘检测，利用基于顶点链码的最小外接矩形提取算法对图像中的所有边缘进行最小外接矩形检测，最后通过分析现实中车道线的长宽比例和面积，对检测出的最小外接矩形集合进行筛选得出车道线位置。实验表明，该方法能够准确定位出车道线位置。（3）针对现有的基于虚拟线圈的检测系统不能自动设置虚拟线圈的问题，给出了一种基于车道线定位的虚拟线圈自动设置方法。该方法首先通过车道线位置的外接矩形顶点关系自动设置一组水平矩形线框，然后利用车道线长度比例计算线圈的长和宽，并以此作为车辆运行距离参照，实现了虚拟线圈的自动设置。（4）给出了一种基于灰度匹配的车速测量算法。该算法首先用虚拟线圈的一条底边作为基准，当有车辆通过时统计该边的灰度变化，通过直方图记录灰度变化大小，其次对虚拟线圈的另一底边也采取同样的方法以此来匹配是否为同一车辆，解决了车辆通过虚拟线圈的一致性问题。实验数据表明，该方法测量的车速准确性较高。（5）综合研究成果，设计了一个基于视频的交通流参数自动检测系统。