目前很多基于视频图像的交通事件检测软件大都都是针对高速公路而开发，而针对城市道路的交通事件检测系统很少，如果采用针对高速公路开发的交通事件检测软件运用在城市道路上，特别是交叉口处，将得不到理想的结果。论文在目前城市道路的交通事件检测软件比较薄弱的基础上，研究并设计一套适合于城市道路交通事件检测系统。　　视频图像是一种动态的图像，其背景和前景都随时变化，导致遮挡现象的存在。在这种情况下，采用一般的分割方法会比较困难，为了能准确得到分割图像，论文首先引入时空马尔可夫随机场（以下简称ST-MRF）的概念，在充分研究马尔可夫原理的基础上，分别建立标号场和观察场的能量函数模型，并分别介绍其参数估计方法，然后根据贝叶斯准则，利用标号场和观察场之间的相互关系，即标号场的先验概率和观察场的似然概率之间的关系，获得标号场的最大后验概率(简称MAP)的估计参数，利用迭代条件模型(ICM)算法和模拟退火(Metropolis)算法（其目的是求最小能量函数值）实现最大后验概率(MAP)估算问题达到对运动目标的提取，从而完成分割过程。　　然后，在图像分割的基础上，引入车辆跟踪的概念。并提出了一种基于ST-MRF模型的自适应车辆跟踪算法，在ST-MRF模型中，把视频图像分成若干像素块，且每个块由8×8个像素组成，每个块都有其典型的运动矢量，块之间的联系通过这些典型的运动矢量联系，建立运动序列图像的ST-MRF模型，并且构造其相应的能量耗费函数，然后利用松弛算法实现目标地图最小化能量计算，获得目标地图和运动矢量地图，但是在车辆跟踪中车辆长时间遮挡是普遍存在的问题，它将直接影响着跟踪的精度，因此遮挡是车辆跟踪研究中的关键问题。针对这一难题，在车辆跟踪算法的基本原理介绍的基础上提出了一种基于反向ST-MRF模型的车辆遮挡分割算法。该算法通过反向沿时间轴运用ST-MRF累积图像，运用能量函数对运动矢量进行最优化处理和融合不完整的分割部分，从而对车辆遮挡进行了比较完美的分割。最后从跟踪结果—目标地图和运动矢量地图上获得车辆数、速度、加速度、行车轨迹以及车辆的运动坐标等交通参数，并通过对交通流参数的分析，得到实时的交通流运行特征，为下一章的交通事件检测提供依据。　　为了将车辆跟踪技术和处理遮挡技术运用在交通事件检测上，论文引入了一种新的事件检测算法，该算法结合视频采集交通流数据与检测器采集的交通流数据一起，采用语义层次算法对交通事件进行检测。语义层次模型结合交通事件检测指标提出坐标类层、行为类层和事件类层三层语义结构算法，并对路段上的碰撞、追尾、超速、车辆抛锚和鲁莽驾驶等交通事件进行检测，其中坐标类层运算符估计每一辆车在每个图像帧的坐标信息，坐标信息是通过操作车辆跟踪结果—目标地图和运动矢量地图而获得的;行为类运算符确定车辆的行为，即对来自坐标类运算符的每一辆车的时空轨迹进行分类;从这些车辆的行为中，事件类运算符确定事件的发生，当道路上交通比较拥挤，车辆遮挡严重情况下很难观察到交通事故，所以为了提高事件检测率，视频图像中的行为类数据结合安装在道路下游的检测器获得的流量类数据一起判断事件发生。通过研究得出:基于视频与检测器数据组成的语义层次算法能在交通量比较拥挤且车辆出现相互遮挡的情况下，能准确判断交通事件发生，对缓解交通拥挤和减少交通事故有重要的意义。　　为了与上述城市路段事件检测衔接，保持整个城市事件检测的连贯性，文章最后对城市交叉口的事件进行检测。由于车辆在交叉口处行驶比较自由，不受方向限制，多个方向行驶的车辆将会在交叉口处发生冲突，导致交通事件的发生。在交叉口交通事件处理期间，救护车和警察将占据道路时间比较长，这些原因使得交叉口交通事件检测难度增加。论文以淮安市淮海南路与解放路交叉口为例，根据车辆运行与相位配时，总结在该四相位控制的交叉口具有冲突的两辆车的相对运动情况，在车辆跟踪的基础上对具有冲突的车辆进行运动矢量量化，采用隐马尔可夫模型（简称HMM）对该交叉口的交通冲突进行分类，并通过实验验证该算法能对正常交通下的车辆运行状态进行冲突分类。通过冲突的检测可以提前预防发生在交叉口处的交通事故（如碰撞、追尾、突然停车等）和危险状态。也能对正常交通下的车辆运行状态进行冲突分类。