智能交通视频监控系统，是利用图像处理技术分析视频图像，包括车辆检测、车辆跟踪和车牌识别三大处理模块。其中，视频车辆检测是智能交通监控系统的关键之一，其主要任务是分割出视频图像中的运动车辆。车辆检测作为视频测速、车辆行为分析和车牌识别等功能的前提，其重要性可想而知，而基于背景差分的车辆检测方法，由于具有算法简单、计算量小和不容易产生空洞等优点，得到了广泛的应用。目前，大多数算法都是研究白天条件下的视频图像，而针对夜间视频图像的车辆检测算法相对较少，这是因为夜间场景比白天场景更为复杂，增加了路灯和其它光源的照射变化、车灯强光和路面反光等干扰因素。因此，针对白天和夜晚交通视频，本文分别采用不同的视频车辆检测算法，能够在昼夜环境条件下，实时、准确的分割出车辆区域。本文从视频车辆检测的四个步骤：视频图像预处理、背景建模与更新、前景检测和粘连车辆区域分割，依次进行了介绍，本文的主要工作如下：（1）针对白天交通视频，对视频序列进行均值降采样预处理后，用混合高斯模型进行背景建模与更新，通过对彩色空间和灰度梯度空间背景差分的结果进行融合，得到日间车辆检测的前景图像。（2）针对夜间交通视频，采用均值降采样、灰度转换和对数拉伸对视频帧序列进行预处理，在时间轴上设置一定大小的滑动窗口，并对滑动窗口中的灰度梯度域视频帧序列进行中值滤波，得到背景梯度图，最后在梯度域上进行背景差分得到前景图像。（3）前景图像经过形态学滤波、连通区域分析后，采用Freeman链码判断车辆区域是否粘连，运用Graham扫描法检测凸包，实现粘连车辆区域分割。（4）采用HSV彩色空间快速转换公式，实现了基于视频的红绿灯颜色状态识别功能。基于上述工作实现的车辆检测系统，经过白天和夜晚交通视频样本的测试，能够实时、准确的分割出车辆区域，并具有基于视频的交通灯颜色识别、闯红灯违章抓拍和车流量统计功能。