实时、准确的获取各种交通参数,是智能交通管理的前提。视频监控方法是通过分析拍摄的交通图像序列,对交通目标进行检测、识别和跟踪,并对其行为进行分析和判断。与其它检测手段相比,视频监控方法可以同时获取多种重要的交通信息,有利于实现智能化交通管理,具有很大的发展潜力。在交通视频监控系统中,无论采用什么解决方案,首先必须能够检测并分割出交通场景中的目标。因此,视频车辆检测方法的研究,在交通视频监控系统中具有重要的意义。　　 本文主要研究了基于视频的车辆检测技术的基本理论和关键技术。针对车辆的自动检测、阴影检测与扫除做了探索和研究,提出了改进方法,并通过实验对新方法的有效性进行了验证。本文主要包括以下内容的研究:　　 (1)图像预处理是视频车辆检测的底层,具有重要的意义。论文介绍了图像分割、滤波的基本方法,着重讨论了形态学中的膨胀与腐蚀、开闭运算等,实验结果表明形态学算法能较好的去除交通监控视频图像中的噪声。　　 (2)运动车辆检测问题研究:通过分析现有的检测方法和背景模型,采用改进的混合高斯背景模型,实现了背景的实时更新。提出一种基于三帧差分与背景差分的运动目标检测方法,有效的检测出高速公路背景下的运动车辆,并通过实验对提出的方法进行了验证。　　 (3)阴影检测与扫除问题研究:车辆阴影的存在会对车辆检测产生干扰,导致前景中存在无关的阴影区域,从而影响后期的处理。针对阴影问题,本文在前人研究的基础上,提出了基于边缘和颜色信息的阴影检测与扫除方法,并通过实验对提出的方法进行了验证。　　 实验结果表明,本文的运动车辆检测方法准确率高并且误检率低,有较强的适用性和鲁棒性。本文的阴影检测与扫除方法可以有效的检测并扫除运动车辆的阴影。