采集多种车型的交通信息可以为交通管理和控制提供更全面的参考信息，也可以丰富经典交通流理论研究和交通流仿真模型研究。然而目前的大多数交通信息视频采集系统只是提供不考虑车型分类的宏观交通信息，为此设计了一种多车型交通信息视频采集系统，并在Visual Studio2005编程环境下使用OpenCV开发了相应的软件。系统跟踪驶过的每一辆车，记录每一辆车的车型和瞬时速度，最终得到区分车型的流量和速度等多车型交通信息。系统的主要流程包括：检测初始背景图像，标定交通场景，设定道路检测区域，检测车辆目标，去除阴影干扰，跟踪车辆测速，识别车型和数据融合等。系统采用了基于彩色图像的自适应背景差分算法识别车辆目标，提取了更加准确的车辆目标；使用了诸如阴影去除和设置道路检测区域等一系列措施提高系统抗干扰性。系统考虑了跨车道行驶车辆，避免了对同一车辆的重复计数，提高了车辆计数准确率。系统分析了车辆粘连情况，利用团块占空比参数和数据融合方法减少车辆粘连造成的车型分类误差，利用K-means聚类算法得到了更加可靠的车型分类阈值参数，提高了车型分类准确率。在四种不同天气环境下测试系统的准确性，实验结果表明车辆计数准确率达到97.4%，车型分类误差仅为8.3%，系统测速和雷达枪测速的相关系数达0.898，系统测速平均绝对误差仅为2.3km/h，提取了准确可靠的多车型交通信息。