随着视频检测技术的发展,视频技术在智能交通系统中起到了更大的作用。视频检测技术可以更方便快捷的检测路况、车流量、车辆违章等现象,同时对其进行适当改进,也可以用于复杂环境下的目标检测。本文围绕着视频检测系统的实现,研究了一些视频检测中背景更新和目标检测的方法,提出了一些新的算法,主要的工作及贡献如下:1.背景的更新。针对当前背景更新算法的不足,提出了一种新的视频序列背景更新算法。利用分类的思想对噪声和目标区域分别检测,采用降噪和背景更新相结合的方法,消除了噪声积累导致的错误。该方法对目标与噪声分类检测,对目标遮挡区域背景进行插值优化,实验结果证明该算法检测效果稳定。2.生长模板。对现有模板进行改进,提出一种生长模板来对差分图像中的目标点和噪声点进行检测。生长模板根据像素点局部特征自动选择生长方向,对目标点进行判断。利用基于像素分类的背景更新,实现了目标遮挡区域的背景更新。实验证明了生长模板检测的有效性,该算法可以在复杂场景下实现背景更新。3.目标定位。提出了针对固定背景帧差法的背景更新算法和多目标定位算法。在背景更新中,通过建立目标和噪声矩阵来保存图像的特征信息,利用分类的思想优化更新策略;在目标定位中,提出了基于目标对角线的连通判断模板,该模板不断生长进而检测目标的中心点和体积,可实现实时场景中多目标和形态差异目标的定位。户外实验证明了算法的健壮性和鲁棒性,可以实现背景更新和复杂目标识别。