随着传感器技术的飞速发展,大量不同种类的传感器已经被广泛应用于智能交通系统,以实现对各种交通信息的实时检测。然而如何科学有效地整合利用这些异类传感器的海量信息,为智能交通系统服务,就成为亟待解决的问题和目前研究的热点。因此,源于军事领域的多源信息融合技术就被引入了智能交通领域,以期实现对这个问题的圆满解决。本文以智能交通系统最主要的子系统之一——智能交通监控系统为应用对象,从三个不同层面分别研究了信息融合理论和技术在交通监控信息处理中的应用。首先,针对城市路网交通状态监控系统中,多源异类传感器信息融合的问题,提出了一种异类交通信息实时融合模型——联邦证据融合模型,该模型把联邦卡尔曼滤波器与证据理论融合模型相结合,不但同时具备了联邦卡尔曼滤波器实时处理的特性和证据理论善于处理不确定信息的优点,而且克服了证据理论在处理冲突证据方面的缺陷。然后,研究了基于视频传感器的交通行为监控系统中,多源同类传感器的信息融合算法,通过对目标外观特征匹配性能的比较分析,提出了一种多特征融合的匹配模型,并以这种匹配模型为基础,进一步提出了摄像机拓扑关系估计策略和目标跟踪管理机制,最终实现了对多个行人目标在一个小型摄像机监控网络中的持续跟踪。最后,研究了基于视频传感器的交通对象监控系统中,基于多特征信息融合的目标前景检测算法,具体实现了对联合运输货运列车的视频监测算法,包括对车厢前景的分割、车厢运动速度检测、前景拼接、车厢类型识别以及车厢间距离测量等。本文为这三种不同的监控信息处理算法分别搭建了相应的监控信息融合处理系统平台,并在平台上利用大量实际的交通监控数据对提出的算法进行了实验验证,实验结果体现了它们优于传统方法的突出性能,表明它们具有广阔的应用前景。