随着社会经济的高速发展和城市化进程的加快，交通运输也在不断地飞速增长。为了解决日益严峻的交通问题，综合运用了计算机技术、数据库技术和图像处理技术等多种高新技术的智能交通系统ITS（Intelligent traffic system）应运而生。在智能交通系统中，车辆数目、车辆实时速度等交通流参数的实时获取是信号灯控制、交通仿真和决策的基础，在整个交通系统中起着非常重要的作用，因此车辆检测技术越来越受到国内外学者的关注。 基于图像处理技术的车流量分析是近年来新兴起的一种车辆检测技术，其主要任务是通过安装在道路旁边的视频采集设备来获取连续帧数的实时图像信息，然后经过相应的图像处理算法分析进而反馈出实时的车辆数目，车速等交通系统所需要的参数，最后达到智能地控制交通的目的。 本文对应用于车流量检测中所用到的图像处理算法做了大量的研究，并在此基础上提出了基于图像边缘信息的方法来检测车辆数目。检测算法首先对户外环境下获得的连续帧图像信息作预处理运算以减少后续检测时的误差，然后采用图像边缘信息对作叠加处理以获得图像的实时背景更新，并在此基础上作图像边缘差运算检测出运动的车辆，最后提取出检测带数据并作数据的修正运算以减少运动车辆的误判或漏判。 在图像的预处理方面主要是针对户外环境下光线变化时实时图像获取中的噪声影响，为此检测算法把原始彩色图像转换为灰度图像并作图像滤波处理。同时考虑到摄像设置在户外环境下时轻微振动带来的噪声干扰，检测算法相应地采用领域比较方法以减少噪声影响。 在运动车辆的检测方面，检测算法根据车辆的运动特性和路面静止特性采用图像边缘叠加来完成背景图像的实时更新。这种方法能够较好得到背景图像的实时更新效果并解决了背景图像的初始化问题。同时算法处理只在检测带内进行，减少了算法的运算。对于车辆的过道现象；算法采用浮动窗口法解决。 在车辆计数方面，检测算法提取了检测带的数据并根据车辆特性对数据作了修正处理以减少车辆误判或漏判。 本文最后提供了大量的实验数据证明了基于边缘信息的车流量检测算法是可行的，而且具有检测精度高，实时性好，计算速度快等优点，在高速公路上具有很好的使用价值。