基于视频图像的运动车辆目标实时精确定位,目标的识别、分类及跟踪在交通管理系统中有着非常广泛的应用前景。阴影检测是运动车辆目标识别与追踪中非常重要的环节。图像背景差分及适当的去噪处理可以实现车辆目标的分割及初步定位,但是由于阴影的存在,以及它本身固有的属性使得背景差分和去噪处理均不能将阴影完全与车体分离开,因此得到的“车辆目标”是车体本身和车辆阴影之“和”。因此阴影的存在会使目标对象的外观及形状被扭曲,这对后续的车辆精确定位、车辆关键部位的提取以及车辆分类造成很大的误差甚至错误,这也使得阴影检测成为运动车辆目标识别与追踪中非常重要的环节。本文通过分析比较目前常用的车辆阴影检测方法,提出了一种基于移动区域的快速车辆阴影检测方法。该方法利用背景差分技术,首先根据移动区域内自适应阈值的确定以及进一步的差分比较决定需要更新的背景区域,与原图像进行背景差分获得移动目标图像。针对获取的移动目标图像进行二值化处理,并引入基于标签法的二值化图像快速去噪方法进行去噪处理。在随后的阴影检测操作中,本文结合基于几何模型和阴影性质的两种检测方法,在以上图像预处理基础上,根据基于几何模型的方法建立阴影的粗模型,即快速确定阴影区域的粗略区域。在随后的操作中只对粗略区域内的图像采用基于HSV颜色空间的阴影检测方法进行阴影检测的分析处理,同时本文对基于HSV颜色空间的阴影检测方法本身进行了改进。本文提出的方法在保证检测结果的准确性的前提下,大幅度地减少阴影检测过程中的计算量,而且对环境的依赖性较小,能在一定程度上消除光线、天气等环境因素的影响。通过对带有移动目标的交通图片进行实验,证明了本文算法的正确性,达到了我们的期望值,具有很好的实用性。