随着现代交通的不断发展,城市中车辆的数量在成几何倍的增长,直接造成城市交通拥堵,交通事故频频发生。我国的智能交通系统(Intelligent Transportation System,简称ITS)近几年有了很快的发展。但是由于ITS对于实时处理的要求非常高,所以如何提高系统中各个算法的处理速度是实现ITS实时性的关键。本课题就是在这种情况下产生的。结合当前相关的图像处理技术与我国ITS发展的状况,本文对基于视频的车辆检测系统中一些常用的图像预处理算法进行了研究,并提出了改进算法,在保证精确识别车辆和进行车辆跟踪的情况下尽可能的提高系统的处理速度。为了准确及时的进行车辆识别以及车辆跟踪,首先要确定车辆在路面上的准确坐标,以便获取车辆在路面上的准确位置,然后需要进行车辆识别前的图像预处理工作,为进行车辆识别奠定基础。比如彩色图像灰度化、噪声的消除、视频抖动的消除、车辆阴影的去除等。本文设计的系统主要分为两大部分,一部分是车辆识别中图像的预处理,另一部分是车辆的跟踪。车辆识别部分首先要对视频进行彩色图像的灰度化,以便加速后续预处理的速度；然后进行图像滤波以便去除噪声的影响；接着进行视频图像的防抖动,以消除视频抖动带来的影响；最后学习背景,进行背景差分,利用多阈值法消除阴影的影响,提取出感兴趣区域(Region Of Interest,简称ROI)。车辆跟踪环节中,采用基于特征的跟踪方法,并将被跟踪车辆的特征分为主要特征和辅助特征,按照重要程度依次作为条件匹配车辆目标,从而实现有效的跟踪。综上所述,本文在基于视频的车辆检测中图像预处理算法方面进行了积极的探索研究,特别是在彩色图像灰度化、视频防抖动等方面所采用的方法具有很高的应用价值。