高速公路交通事件的快速检测,是目前智能交通系统中的重要组成部分,对及时有效地进行交通事故救援和处理,有效减少由于交通事故产生的交通延误及避免二次事故的发生具有重要意义。由于基于视频图像识别的交通事件检测在检测速度和可靠度方面远远胜于传统的采用交通检测器采集数据间接推断交通事件的检测方法,已经逐渐成为交通事件自动检测的发展方向和研究热点。 本文结合广东省科技计划项目“基于视频图像的交通事件自动检测系统的研制”,在深入分析现有视频图像识别处理研究的基础上,本文着重对运动车辆的检测、提取、跟踪、雾天车辆检测以及交通事件检测等相关算法和关键技术进行系统研究,并完成了视频交通事件检测系统的设计和实现。 本文利用图像差分、卡尔曼滤波、Retinex色彩恒常理论等图像处理的相关理论,对输入视频流进行处理,从连续不继的车流当中分离出各车辆,并进行跟踪,从而对交通事件进行分析判断,并在检测到异常事件时及时报警。由于道路交通环境的复杂性,基于视频的交通事件自动检测,其难点在于对雾天低能见度等复杂环境下的视频图像识别和处理。论文在深入分析现有视频图像识别处理研究的基础上,重点对雾天下的视频处理与交通事件检测进行了研究,通过对传统Retinex色彩恒常理论进行优化及改进,针对系统的实时性需求简化算法,省略对运动检测无用的信息,较好地解决了雾天等背景模糊环境下车辆目标的识别和处理；利用基于HSV颜色空间阴影检测算法,解决了强光阴影产生的车辆目标连体现象,提高了系统的正确检出率。 通过在高速公路现场进行的系统工程测试,以及赛宝软件测试中心进行的功能测试和性能测试,表明系统在白天、雾天等环境均能达到较高的正确检测率,检测结果验证了本文所提模型算法的正确性,和系统的实用性,可以满足高速公路复杂环境下交通事件检测的需要,论文达到了预期的研究目标。