交通是城市发展的支撑,关系着人们生活的方方面面。交通准则是交通发展的根本,随着科学技术发展,智能交通开始步入人们的生活。在智能交通系统(ITS)发展的基础上,本文对交通场景中的车辆压线违章进行了深入的研究,结合了当前成熟的图像处理和机器学习技术,研究了视频中车辆前景的分离,道路路线的检测,车辆压线的判断以及视频流中车牌的检测技术。本文基于高斯背景建模理论,CodeBook建模方法,Hough变换直线检测,支持向量机等方法,对交通压线检测和检测后车辆信息的获取进行了研究。论文的主要研究内容如下:(1)在图像预处理上,分析了HSV颜色模型;对图像使用均衡化技术,并针对不同图像设置不同的均衡范围;研究了几种滤波去噪技术,本文使用了对交通图像有效的双边滤波;对几种边缘检测技术进行实验,最终选取Canny算子边缘检测算法对图像进行分割。(2)对图像二值化阈值的选择,通过两种方法进行研究,最后使用对图像分块求局部阈值,再进行组合的方法对图像二值化;对于视频车辆前景的分割,分别对混合高斯背景建模和CodeBook算法进行了研究,最后使用CodeBook算法作为本实验的分割方法,并对其结果进行处理,使用膨胀算法加漫水填充技术,获取了车辆有效的前景范围。(3)使用Hough变换对车道线进行检测,并对其结果进行处理,获取了有效的车道线位置;研究了图像的矩特征与四边形轮廓包围技术,以获取车辆轮廓的有效范围;使用车辆特征对车辆压线进行判断,并总结了压线过程。(4)针对广泛的交通视觉范围,提出使用支持向量机加图像HOG特征对图像中车牌区域进行检测,通过大量的车辆图像数据进行实验,使用该算法获取了一个高效的分类模型,实现了广泛视觉区域内的车牌定位搜索。