基于智能交通的视频检测和违规分析研究已成为当前一个非常活跃的研究领域,它融合了图像处理、模式识别、自动控制、人工智能以及计算机等多个领域的先进技术,不断吸收相关学科的设计思想与研究方法,在日常生活和国防军事中具有重要意义,因此本文的研究具有重要的理论意义与实用价值。本文在借鉴国内外相关研究成果的基础上,以图像处理为技术依据,针对中国交通路面的特点,提出一种视频检测与违规分析相结合的思想,整个系统包含两个主要模块:视频检测模块和违规分析识别模块,利用视频检测模块获得交通参数的统计数据,利用违规分析识别模块对道路违章车辆进行监控和识别,重点对视频检测中的交通参数的检测和违规识别中的车牌识别技术进行研究,提出有效策略,开发出一套检测识别应用软件,并完成道路在线运行试验。主要内容有:针对摄像头位置相对固定路况下的交通场景图像序列,采用运动目标检测算法。在研究了瞬时差分法、背景差分法以及背景模型法等目前主要的运动目标检测算法的基础上,本文通过实验分析了各种算法的技术特点及优势,提出了一种改进的背景模型算法,改进算法以瞬时差分法的输出作为是否更新背景模型的依据,有效解决了背景发生突变后的模型更新问题。此外,本文还重点研究了HSV空间内确定性非模型阴影检测算法,通过实验分析了HSV空间内亮度、色度以及饱和度约束条件对算法的影响。违规分析的关键在于车牌识别,车牌识别主要包括三个步骤:车牌定位、字符切分、车牌识别。本文论述各步骤的设计原则和相关算法流程。在车牌定位部分,鉴于以往算法的优缺点,本文采用基于先验知识和车牌图像灰度梯度的定位算法,并在滤除车灯干扰方面,提出一种改进的预处理方法和基于Soble算子的在图像块内进行4阶最大梯度水平差分算法,提高了车牌定位率和自适应性。在字符切分部分,在采用在先验知识的基础上,本文设计并开发了基于投影的搜索切分算法。最后本文设计了一个三级分类器实现车牌字符识别。分类器采用模糊逻辑思想的粗分类器,基于双向字模比对法的细分类器和基于特殊点特征的相近字符分类器。本文还讨论了图像增强、倾斜校正、二值化等常用的图像处理方法。论文研究了常用的交通参数检测和车牌识别算法,并对部分环节进行了改进,应用模块化的方法在Visual C++编译环境下进行了软件编程,采用经十路舜耕路段交通场景视频信号对系统进行了测试,实验数据显示:本系统具有较高的准确率,满足实时处理的要求。