车流计数系统对于预测路面过车高峰期，合理调配资源预防拥堵有着重要意义。视频车流计数技术以其成本低、不破坏路面、部署维护方便等优点在智能交通（ITS）领域的应用越来越广泛。然而，雨雪、雾霾等天气会对计数系统带来严重干扰，因此开展针对这些极端天气下如何保证视频车流计数准确性的研究变得尤为重要。本文主要研究雨天路面在灯光下的反光闪烁以及雾霾造成的视线模糊对视频车流计数系统带来的影响，采用有效的技术手段消除这些影响，进而提高计数系统的准确性，于此同时保证系统对实时性的要求。　　针对雨天路面在灯光下的反光闪烁对计数系统带来的干扰，本文提出了一种基于阈值的反光检测算法，可以有效的检测反光区域是否发生闪烁。在发生闪烁的情况下，针对原系统采用检测线跟踪方法的不足，本文采用了基于区域的车辆跟踪方法。在车辆跟踪过程中，重点考虑了反光闪烁造成的车辆误检、车辆粘连等问题，有效的提高了系统计数的准确性。同时本文也考虑了不同场景下两种跟踪流程之间的切换问题。　　针对雾霾造成的视线模糊对计数系统带来的干扰，本文研究了常见的图像去雾算法。在先验暗通道去雾算法基础之上进行了改进，并提出一种基于直方统计的大气光照度求取算法，可以快速的求取当前帧的大气光照值。针对暗通道去雾后的图像亮度不均问题，提出了一种基于平方曲线的图像色彩增强模型，有效改善了图像的质量。加入去雾流程后系统计数的准确性有了一定提升，但是系统的处理速度却无法满足要求。针对这一问题，本文利用CUDA显卡加速技术，将雾霾去除过程并行化，很好的满足了系统对实时性的要求。