随着世界各国城市化进程的不断加快和机动车数量的不断增加,交通拥堵已经成为了包括我国各大城市在内的世界许多城市面临的一个亟待解决的问题。交通拥堵以及由此带来的能源消耗和空气污染问题,成为制约城市经济和社会发展的瓶颈。大力发展智能交通系统,是解决这一问题的有效手段之一,而道路车辆信息的获取则是智能交通系统的一个重要环节。随着计算机技术和图像处理技术的发展,基于视频的车辆检测技术受到越来越多的关注,已经成为道路信息获取的重要途径。本文对基于视频的车辆检测技术进行了研究和探索,主要研究内容如下：1.研究了背景提取与更新算法。提出了一种基于单车道视频的背景提取与更新算法,该算法采用多帧差分代替两帧差分来判断车辆的存在性,有效克服了车辆阴影的影响以及车身灰度均匀部分出现断裂和空洞的现象,避免了因车辆存在性误判而导致的前景混入背景的情况。然后又将此算法扩展到基于分块法的背景提取与更新算法中,实现了对多车道、大视野视频背景的快速提取与自适应更新。2.研究了单车道视频中车辆检测方法。提出了一种改进的背景差分检测算法,克服了当车身灰度与背景相似时车辆与背景难以区分的情况,实现了在不同光照条件下对单车道视频中车辆的准确提取和流量统计。3.研究了多车道视频中车辆检测方法。首先针对采用背景差分法得到的车辆分割结果中由车辆阴影造成的车辆粘连和分割面积扩大的问题,提出了一种基于多帧差分平均法的运动车辆阴影去除方法,能够去除大部分车辆阴影,显著改善车辆分割的效果；然后研究了基于虚拟检测线的多车道车流量检测方法,提高了多车道车流量的检测率。通过对不同环境中道路监控视频的检测,结果表明本文提出的车辆检测方法达到了较好的检测效果。