由于城市人口的不断增加,机动车需求量呈上升趋势增长,因车辆的普及随之带来了一系列的交通问题,最为明显的就是交通事故的逐年增多。而造成交通事故发生的最主要原因就是车辆驾驶者不遵守交通规则,不能够保证安全驾驶。为了更好管理和规划道路上的车辆,智能交通系统的开发被国内外政府及相关研究机构广泛关注,车辆违章行为检测技术作为智能交通系统中不可或缺的一部分,具有重要的研究价值。随着图像处理、模式识别等技术手段的快速发展,基于视频分析的多种智能控制系统方面的研究也越来越多。本文首先对图象预处理的相关知识进行了研究,详细介绍了图像灰度、图像滤波、边缘提取、膨胀腐蚀、空洞填充等算法。在运动目标检测过程中,首先介绍了一些常用的运动目标检测算法,并分析了这些算法的优缺点,详细介绍了Vibe算法的原理和实验过程。在传统的Vibe算法基础之上进行了改进,在Vibe算法的背景建模阶段使用扩大样本邻域范围进行选取的方法;使用动态背景度量的方法,自适应调整Vibe算法的阈值,使其能够适应动态背景下对检测结果造成的影响;使用基于边缘信息的阴影去除方法,消除阴影对检测结果的干扰。经过与传统Vibe算法的实验结果对比,改进的Vibe算法在复杂的环境中能较好的完成对运动目标进行检测。之后使用多特征级联分类器分类器通过提取车辆的HOG特征和Haar-like特征对车辆进行识别,根据实验数据,可以得出该算法在车辆识别准确率上达到了预期效果。最后对运动车辆的违章行为进行检测和识别,具体研究了车辆违章压线和车辆违章停车这两种车辆违章行为,实验表明,本文采用的算法实用可行,达到了预期的设计要求。