随着高速公路的快速发展,智能交通系统逐渐成为国内外研究的热点。作为智能交通的核心组成部分,交通事件检测关键技术的研究影响到整个交通管理系统的性能。本文从视频信号中选取序列图像进行统计建模,建立了一套事件检测的统计模型,主要工作内容如下：1.提出了一种自适应背景的初始化与更新模型,该模型能够从含有干扰信息(如大量的运动目标、外界环境变化等)的序列图像中提取出背景图像,并且能够自适应地进行背景更新。此模型能够很好的克服光照变化、昼夜交替、天气转化等外界环境的干扰,具有较强的自适应能力。2.以自适应背景更新模型为基础,研究高速公路运动目标检测方法。由于场景的干扰,本文分两步对运动目标进行提取：基于背景差分的目标粗提取和目标精确提取。3.建立了一种基于自适应误差累积的事件检测模型。该模型提出了前背景和后背景的提取与更新策略,以及基于该模型的静止目标提取方法。同时对事件检测中各关键参数的选取规则进行了研究与实验分析。4.对检测出的事件进一步分析,提出了几种对事故进行验证的方法,同时对事故进行了分类,便于交通事故的管理,最后提出了交通参数提取的方法。试验结果表明,本文所建立的模型可以在外界环境变化较为剧烈的情况下有效地检测出交通事故,并且能够对事故进行分类,例如停车、抛洒物、行人、交通堵塞等。