作为智能交通系统的重要组成和核心部分,车辆检测为交通控制管理提供可靠的数据依据。本文在总结和分析现有视频车辆检测理论和关键技术的基础上,重点研究定视角下视频车辆的检测、识别分类和跟踪技术,其中主要涉及到基于背景建模的背景提取、视频车辆提取、车辆识别分类和车辆跟踪。完成的主要工作如下:(1)背景建模提取背景:通过研究均值法背景建模、单高斯背景建模和混合高斯背景建模算法,分析各种算法的优缺点,选取了实时性较好、计算简单和背景更新较快的均值法背景建模算法作为本文视频背景的提取方法。(2)视频车辆提取:分析并研究了边缘提取、阈值分割、帧差法和减背景法来提取运动车辆,以及视频初始帧图像信息对运动目标提取的影响。实验结果表明,在视频初始帧图像接近背景图像的前提下,采用减背景法获得的运动目标轮廓更加清晰,基本没有噪声和车辆阴影问题。(3)视频车辆识别分类:在特征提取时,提出了车辆宽长比和占空比两种特征作为车辆识别特征。对车辆进行特征提取后,分别采用了模板匹配和支持向量机对大客车、面包车、小轿车和三轮车四种车型进行了识别分类。实验结果表明,支持向量机识别分类效果更好,精确度更高。(4)视频车辆跟踪:分析并研究了MeanShift跟踪算法、Kalman滤波结合MeanShift跟踪算法和基于质心的多目标跟踪算法,在多目标跟踪中,加入感兴趣区域提取与车辆的外接矩形框的改进算法,提出了一种基于质心的多目标跟踪改进算法。实验结果表明,基于质心的多目标跟踪算法提高了多目标跟踪的计算速度和准确度。本课题在Windows环境下用OpenCV和python实现,结果表明,本文采用的算法可以实时快速地检测出视频运动车辆,并能准确识别分类和跟踪,具有较强的适应性和良好的应用前景。