随着我国社会经济的发展和汽车的普及,城市交通道路拥挤现象和交通事故发生量逐渐增多,严重影响了我国城市经济的发展和人民的生活。为了减少交通事故的发生率,以计算机科学、信息处理技术和交通视频图像处理为基础的智能交通系统应运而生。为了实现智能交通系统的管理,必须及时的掌握交通路面的信息,并针对路面的交通信息做出快速的反应,交通路面车流量的检测是智能交通中非常关键的一环。本文主要研究了基于交通视频的车流量检测技术。全文围绕运动车辆检测、运动车辆阴影去除及车流量统计等方面进行了深入的研究,完成的主要工作如下:　　首先,我们通过分析比较在复杂环境下的各种常用的目标检测方法,提出了一种自适应的混合高斯模型检测方法。该方法具有很强的适应环境的能力,能够适应交通场景中动态背景的影响,较好的提取出前景目标,并解决了场景光线突变以及场景中缓慢运动目标造成的车辆误检问题。实验表明,本文提出的算法可以在复杂的环境中有效的提取出运动目标,同时克服了场景中光线突变造成的影响。　　其次,我们针对交通场景中运动阴影的特性,基于运动阴影的邻域光照强度比值不变以及颜色信息不变的特性,提出了一种有效去除运动阴影的算法,避免了运动阴影对车辆检测的影响。实验表明,本文提出的算法可以克服已有阴影去除算法的缺陷,快速有效的去除运动阴影。　　最后,我们设计了一种基于虚拟线圈的车流量检测方法,实现了车流量的统计。通过采用分块的虚拟区域进行车流量的检测,并基于相邻帧具有相关性的特性,修正了车流量检测的数据流。实验表明,本文提出的算法有效的统计出了道路中的车辆数目,并提高了车流量检测的准确率。