基于视频的交通事件检测系统能对道路上出现的车辆逆行、车辆抛锚、抛落物等异常事件进行实时检测,对避免二次事故的发生起了重要的作用,是目前国内外研究的一个热点,有着广阔的应用前景。本文对交通事件检测算法进行了研究,主要内容包括:(1)背景估计。在分析了传统的背景估计方法的基础上提出一种新的背景估计方法。该方法把图像分成大小一定的块,通过统计在时间序列上图像的每个块内的方差与均值落在由均值与方差组成的二维平面上的各个区域的概率来对背景图像进行分块估计。(2)图像的二值化分割。在分析了传统二值化分割法的基础上提出了一种新的二值化分割方法。该方法把图像分成大小一定的块,通过对前景图像与背景图像的每个块内的像素进行基于最小二乘法的灰度拉升,改善了块内像素灰度分布的均衡性,然后通过前景图像每个块与背景图像中相应块中像素灰度差的绝对值之和的运算,进行以块为单位的二值化分割。(3)事件检测。在介绍了传统的事件检测方法的基础上提出了一种新的事件检测方法。该方法基于有目标的块在时间序列上的累积值产生的分布规律来进行异常事件的检测。本文所设计出的算法在不同交通流量的场景中进行了实验,实验结果表明,该算法能够很好的解决交通流量较大的情况下常规背景估计法不能解决的在场景远处误估计率高的问题,并能有效的克服影子、车周边灰度值较低的区域对二值化分割的影响,新提出的事件检测算法在运算量上满足了实时检测的要求。初步的应用表明:该算法具有良好的适用性与应用前景。