智能交通系统（ITS:IntelligentTransportationSystems）是一个基于现代电子信息技术面向交通运输的服务系统。它是综合运用信息技术、人工智能、电子控制、地理信息、全球定位、影像处理、有线无线通信等多种技术，所构建的一个由交通信号控制系统、交通违法处理系统、交通视频监控系统和综合管理控制平台等有机集成，具有快速准确的交通信息采集、处理、决策、指挥调度能力的管理系统。智能交通使交通基础设施发挥出最大的效能，提高交通管理服务质量，从而获得巨大的社会经济效益。　　 而基于视频的车流量检测系统，是智能交通系统中重要的一环，其技术也是后续很多技术和处理手段的基础。因此本文以准确提取车流量信息为研究目的，以图像序列中的运动目标识别，移动阴影的检测与消除等技术为核心，做了详细研究。主要内容如下:　　 1.对运动目标识别算法进行了分析研究。首先分析比较了几种常用的运动目标识别方法，本文采用了基于混合高斯背景模型的运动目标识别方法，并针对当场景环境突变时传统混合高斯模型的缺陷与不足进行了改进。同时通过引入狄利克雷先验概率偏置来提高传统算法更新公式的更新效率，有效剔除已经失效的背景模型;在进行运动目标的阴影检测与消除时，采用了一种基于颜色失真和亮度失真模型的算法;本文通过对上述方法的融合，提出了一种改进的基于混合高斯模型的运动目标识别算法，提高了运动目标识别系统的实用性和精确度。　　 2.对现有的智能交通车流量检测系统架构进行了研究，现有系统由于所有图像处理操作均在监控中心PC平台完成，造成监控中心计算量过于庞大，无法完成大量监控数据的实时处理。为此，本文提出了利用DM642平台搭建检测系统的解决方案。由DSP平台完成车辆检测和交通信息提取，再将车流量的数据信息反馈到PC端，提升了系统整体性能。　　 3.采用TI公司的DM642芯片完成了DSP车流量检测平台的设计。利用RF5参考框架完成了DSP软件程序的设计和开发。实现了DSP平台上的车辆识别算法。　　 实验结果证明，本文实现的车流量检测系统，可以达到预期的检测效果，并可应用在实际场景条件下实现对车辆的识别、计数的功能。