随着我国经济的发展，城镇人口增多，步行交通量随之增大，但很多交叉口的信号配时控制并不完善，不能合理地同时满足机动车和行人的通行效率，导致交叉口交通秩序混乱、安全隐患增加，严重影响交叉口运行效率和节能减排效益。随着信息技术的发展，对于智能交通的研究也越来越广泛，如何运用智能技术对城市交叉口的信号配时进行优化更具有重要的现实意义。目前国内的交叉口信号控制多以机动车为主，没有充分考虑到行人过街的问题。因此，在促进人车和谐出行的大环境下，通过视频处理技术和遗传算法优化交叉口信号控制，不仅有利于合理设置行人信号时间，也有利于行人过街安全，同时也减少了机动车延误及人车冲突问题，提高了整个交叉口的运行效率和安全系数。　　首先，论文提出了随着车流量的变化而自适应调整阈值的背景获取及阴影检测算法。该算法根据车流量的不同而采用不同的背景提取和更新方法提取出运行车辆，然后再利用虚拟线圈检测方法得到交叉口的车流量数据;通过对行人过街的交通特性的研究，采用AdaBoost分类器对行人流量进行检测。　　其次，由于目前大多数交叉口只设有控制直行和左转的专用信号灯，而右转机动车并未设专用信号灯，所以论文分析了行人与右转机动车冲突问题，考虑到车头时距会随着交通流量的变化而发生改变，结合机动车抢行概率及双向行人流的阻滞作用，提出了改进的机动车平均延误和行人平均延误的计算方法。　　最后，以行人平均延误、机动车平均延误和交叉口的通行能力作为性能控制指标，提出了考虑行人因素的多目标优化配时方案。本论文利用遗传算法对多目标函数的各个性能指标进行求解。通过论文中的配时方法和现在采用的配时方法及Webster方法的对比研究，为优化配时方案的应用提供了理论支持。　　实验结果表明，本论文提出的改进的配时方法与现在采用的配时方法及Webster方法求得的配时方法相比，性能指标有明显的提高。基于自适应阈值的背景提取和阴影检测方法能有效地从交通视频中检测出运行车辆，并通过虚拟线圈的检测方法测得平均车流量检测精度为85％左右。此外，文中采用的AdaBoost行人检测方法可排除路口复杂环境的大部分影响，检测准确率大于75％。