公路与国家的经济发展息息相关,而隧道是实现公路建设的重要方法和手段。隧道的建设在给交通带来方便的同时,也对隧道的安全管理提出了新的要求。目前对隧道内的车辆监控大多是依靠埋设感应线圈来进行,而线圈检测有安装不方便、维护困难、信息单一等不足,而且还影响正常的交通。虽然有一些隧道使用视频来监控隧道内的情况,但多数是通过人工来观看视频墙的方式。该方法的效果有限,而且还增加了政府的人员编制和财政支出。隧道环境相对封闭,如果对突发事故不能及时作出处理,容易引起更严重的后果,所以对隧道内车辆信息的准确检测成为隧道行车安全性保障的关键。本文在课题研究的基础上,对准确高效的车辆信息检测算法进行深入的研究。随着图像处理技术和机器视觉技术的发展,通过视频来检测车辆信息已经成为可能。相对于传统的车辆检测方法,视频检测具有信息准确、信息量丰富、实时性较强、安装方便、维护成本低等优点。而且近几年计算机技术的飞快发展,芯片的处理能力不断提升,体积越来越小,这为视频处理技术的发展奠定了扎实的基础。目前将视频处理技术应用于车辆信息检测已经成为许多城市和研究机构的重点,也是未来实现智能交通系统的关键所在。本文首先研究了传统的隧道车辆检测方法,经过分析得出了它们普遍存在的信息单一、安装维护困难等局限性,并提出了检测准确、信息丰富的视频检测方法。接着系统地研究了本文需要使用的相关图像和视频处理方面的技术以及被广泛使用的运动目标检测技术,经过分析总结提出了经过优化改进的车辆检测算法。对于运动车辆的检测,本文通过对比现有的几种运动目标检测方法,最终选择了检测准确且实现简单的背景差分法。该方法的关键在于背景图片的建模,而在半封闭的隧道环境中,光照强度对背景图片的准确性影响较大。针对该问题,又结合了对光线灵敏度较低的边缘检测算法来提高检测的准确性。最后,研究了如何在Windows系统上搭建OpenCV的Eclipse开发环境,并给出软件实现的流程图及重要环节的分析。通过OpenCV软件仿真,发现可以得到较好的检测结果。