建立城市的智能交通体系是目前许多城市未来的发展趋势，但具体在机动车辆监督上仍然缺乏高效、准确的手段。因此，论文重点针对智能违章判别中的信息标定问题，围绕车道、信号灯这两大判别依据提出了相应的技术方法。　　首先，从城市交叉路口的监控视频中提取车道背景，然后，完成基于透视变换的交叉路口多车道标定，最后，通过预先标定策略完成信号灯识别，从而为判断违章提供依据。　　论文的主要工作和成果如下：　　1.背景提取是车道线标定和信号灯标定的基础。为解决车辆对车道标记的遮挡问题，提出了一种新的背景提取算法，该算法通过均值与帧间差分方法的融合，进行城市交叉路口的背景稳定与更新，使其在车流量小时能快速收敛，在车流量大时能快速更新消除车辆虚影，算法在交叉路口的背景提取准确率比均值法和传统高斯混合模型法分别提升20％和30%左右。　　2.车道线标定主要是确定各车道的边界线位置，为不按规定车道行驶等违章检测提供计算依据。首先，基于Hough变换得到各类直线，然后，利用透视变换、聚类分析、间距比例等先验知识作为约束条件对检测到的直线进行了有效的筛选，最后，通过建立的车道线数学模型从而得到车道线位置实现标定。　　3.信号灯标定主要是确定信号灯位置及信号灯状态识别方法，为后续不按信号灯行驶等违章检测提供计算依据。为充分利用形状与颜色两大特征，一方面，在定位方式上继承了机器学习方法的推广能力，通过背景提取结果剔除前景车辆的干扰实现背板区域预标定，从而缩小了区域范围提升检测效率；另一方面，利用灰度空间分割背板，统计连通区域面积比来快速区分信号灯形状，最后再利用HSV颜色空间确定各区域与颜色的映射关系，因此，能同时适用于圆形与箭头形信号灯标定，灵活性高。