交通拥堵判别技术是及时掌握城市道路交通拥堵状况的重要方式之一。视频检测技术由于具有处理信息量大、无需破坏地面、安装维护方便等优点,因此,在道路交通拥堵判别方面具有较好的应用前景。现有交通视频检测技术一般侧重于道路交通事件检测或交通参数提取,已取得了良好的进展,但尚未用于城市道路交通拥堵的实时判别。因此,充分发挥视频检测技术的优势,研究从整体上实时地判别城市道路交通拥堵状况的方法,对于提高交通视频检测技术的实用性具有重要意义。论文在深入分析基于视频处理的城市道路交通拥堵判别的问题和难点后,重点研究基于视频的交通特征参数获取和交通拥堵判别算法两部分内容。在基于视频的交通特征参数获取方面,针对城市道路的复杂情况,选取了基于非参数核密度的背景建模方法并提出了基于概率比较的目标去噪方法实现车辆目标的提取,然后通过卡尔曼滤波跟踪与虚拟检测线法获取交通特征参数。与传统的背景建模方法相比,基于非参数核密度的背景建模方法具有更好的建模效果,更适应复杂场景的建模。提出的基于概率比较的目标去噪方法能有效去除路边抖动树叶造成的干扰,较好地实现了车辆目标的检测提取,进而提高了车辆识别的精度。在交通拥堵判别算法方面,改进了传统的基于模糊综合判别的交通拥堵判别模型。本文在分析交通特征参数变化特征的基础上,提出先根据速度进行道路交通拥堵预判别,建立不同预判别等级下的参数权重值集合,然后结合预判别结果、实际判别结果和历史数据获得最终的交通拥堵判别结果。由于本文考虑了交通特征参数在不同的交通状态下具有不同的重要性,因此,本文方法能更好地拟合城市道路交通拥堵判别情况。最后,结合提出的基于视频的交通特征参数提取和交通拥堵判别算法,建立了基于视频处理的城市道路交通拥堵判别实验系统,并利用重庆市的城市道路视频监控数据,在VC环境下进行了验证实验。结果表明,给出的方法能较准确地提取交通特征参数,改进的拥堵判别模型比直接用模糊综合判别算法二级跳变率更低,能实时、高效地实现城市道路交通拥堵判别,具有较好的准确性及可行性。