环境感知是智能交通系统的重要组成部分。广泛的应用在交通监控系统的视频压缩、图像分类和视频图像检索等领域。常规环境感知技术主要应用在自然界或者含少量人造物体场景解析,具有解析种类多和解析准确等特点。但是该方法对大规模的交通监控复杂场景的解析性能仍存在问题,本文以智能交通监控下的环境感知系统为研究课题,主要构建了非参数化环境感知系统,该方法以数据为驱动,无需设置精确参数,是一种非参数化场景解析方法,同时本文提出了参数化的斑马线关键场景目标检测算法,进一步提升环境感知的准确性。主要工作如下:1、本论文提取了大量的交通监控的背景图片,搭建了离线的LabelMe服务器,对背景图片进行手工的标记,建立一个覆盖交通监控多场景的数据集,并且在该数据集下提供了一个场景解析准确率的基础指标。2、针对传统的非参数化环境感知系统进行构建,并在此基础之上进行了改进,主要为应用多通道、细粒度的GIST全局特征进行最近邻场景匹配,提升系统效果。3、针对交通监控应用场景的关键目标识别问题,本文提出了参数化基于MSER和ERANSAC算法斑马线检测方法,实验表明该方法在多种环境下都具有高准确性和鲁棒性。4、针对非参数化环境感知的系统的不足,本文通过融合斑马线检测识别算法到该系统中,使环境感知系统性能进一步提升。5、对系统主要函数进行封装,制作环境感知可视化使用软件,对标记结果在原图上进行标识,同时对场景目标的边缘数据点进行提取,并且等间隔抽取边缘数据点,按顺序存储到硬盘,方便其他图像检索系统对数据进行访问利用。