智能交通系统(ITS)是未来交通系统的发展方向,它实时、准确、高效的综合利用交通信息为人们的生产和生活提供便利。通过视频检测方法实时地收集交通信息,以其方便有效等独特的优势,逐渐成为交通信息采集领域的主流技术之一。本文以视频监测系统中运动车辆为研究对象,对道路的背景提取及更新、阴影抑制、车辆跟踪及信息提取等视频检测中的难点问题进行研究,从而开发出一个视频车辆检测系统原型。在背景提取方面,比较了现有理论和算法,针对系统的特定对象(城市快速路或高速路),结合虚拟线圈的设置方式,提出了一种基于不变性的分块背景提取和更新算法,大大提高了背景提取的时间效率,为后续工作提供有力保障。在目标检测方面,采用虚拟检测器技术,在背景提取及更新的基础上,利用图像低阶和高阶统计量的特性,检测当前特定范围内是否有车辆存在,并通过阴影抑制方法消除阴影的影响。在车辆跟踪方面,重点分析了基于Kalman滤波的原理及在视频目标跟踪上的经典应用,并通过建立相应的模型进行仿真,了解到此跟踪模型步骤繁琐,而且每一步都影响跟踪和检测效果,因此,经过分析实际场景,对经典跟踪方法做了改进,提出了基于虚拟线圈的Kalman跟踪方法,通过测试表明,此方法在快速路场景下,完全满足系统要求,具有较高的实用性。文章最后利用面向对象技术,用C++语言开发了一个视频车辆检测系统原型,实现了交通参数记录和查询功能,对检测的交通参数作了进一步处理,得到更有价值的交通信息。