基于视频图像的黑烟车检测技术对于环境保护具有非常重要的意义,在智能交通、城市环保等方面均有广阔的应用背景。黑烟车智能检测系统能够长时间工作并保持检测结果一定的正确性,同其他黑烟车监管模式相比减少了人力物力的投入,适合城市道路的大范围布控。本文基于交通卡口采集的监控视频,对车辆检测与跟踪、车辆阴影消除、黑烟车分类器设计等内容进行了研究,主要包括以下几个方面:(1)车辆检测与跟踪算法研究。针对ViBe算法只利用图像的灰度信息以及前景检测图中存在Ghost区域等不足,设计了一种改进的ViBe目标检测方法,再利用形态学操作优化车辆检测效果,并通过轮廓提取方法来提取车辆区域。最后针对本文应用场景,设计了一种快速车辆跟踪方法。(2)车辆阴影消除算法研究。针对车辆检测算法不能抑制车辆阴影的缺陷,同时阴影区域的存在会影响车辆的特征,从而影响后续的黑烟车判定,设计了一种结合RGB颜色信息和均匀模式LBP纹理信息的阴影检测方法,并利用本文设计的阴影消除规则来对检测出的阴影区域进行消除。(3)黑烟车分类方法研究。通过对LeNet-5网络结构的分析,设计了一种改进的LeNet-5网络,主要通过引入Inception模块对网络结构重新设计、对网络激活函数和分类函数重新选择以提高网络的分类能力,并且对黑烟车样本集的构建方式和训练方法进行了讨论。(4)软件设计与实现。以上述算法为基础,设计并实现了一个黑烟车检测软件,实现了基于视频图像的运动目标检测、阴影消除、车辆检测与跟踪、黑烟车检测等功能,最后通过实际交通卡口的视频对软件进行了功能测试和性能测试。