近几十年来,随着机动车数量的急剧增多,城市路网压力不断增大,出现了交通拥堵日趋严重等问题。而单纯地依赖增加道路建设和人工疏导并不是可行的方法。目前,智能交通系统(Intelligent Transportation System,ITS)是解决交通拥堵的一个有效途径。本文针对智能交通系统中基于视频的交通流参数提取方法需要方便地对摄像机进行标定以及适应全天工作的要求,从以下几个方面进行了研究:首先,为了提取到实际的车速,需要对摄像机进行标定,而目前大多数的方法还依赖于人工现场操作,极大地影响了标定的效率,本文提出了一种利用参考图像和路面信息的标定方法,能够有效地避免人工现场操作。该方法利用已知的路面信息,如车道标志线等,来得到平行和垂直于车道方向的两个“消失点”,再结合已知的车道宽度实现摄像机的标定。对于“消失点”趋于无穷的“病态条件”,再通过旋转摄像机得到一组同时具有两“消失点”的参考图像来实现标定。其次,本文针对白天和夜间两种不同的场景,分别采用了不同的交通流参数提取方法。1)针对白天场景,由于在交通流密度较大的情况下使用单辆车辆进行检测和跟踪会造成较大的误差,本文采用了基于光流的方法来提取交通流参数。首先根据提取到的车速和路面占有率,再利用交通流理论的方法来统计高密度交通流情况下的车流量,而对于其它情况,则采用脉冲计数的原理来进行车流量的统计。2)针对夜间场景,由于照明情况较差,本文提出了一种基于车灯亮度直方图的车辆检测和跟踪方法。该方法根据车灯块质心所在的车道来统计该车道水平方向上的亮度直方图,然后根据各个车道亮度直方图峰值的起止区间来确定车灯的位置,从而实现车辆的检测,最后利用车灯区间直方图匹配的思想来实现车辆的跟踪。通过对车辆进行检测和跟踪,就可以得到车辆数和车速等信息,从而实现夜间交通流参数的提取。最后,本文通过编程实现了视频采集和交通流参数提取的功能,并对不同场景的交通视频进行了测试。实验结果表明,该系统在交通流参数提取上取得了较高的准确度,实现了预期的目标。