基于视频图像的车流量统计系统是智能交通系统的重要研究课题之一,它利用图像处理和人工智能技术对摄录的车流视频进行分析处理,获取在某个时段中道路上通过的车辆数目,为智能交通系统提供后续处理的基本数据,实现道路智能化调度,提高路面资源利用率。基于目标跟踪的车流量统计方法在实际应用中,由于受到光照的影响经常会出现阴影问题,当阴影区域面积较大和车辆间行驶距离较近时,会造成图像中车辆发生粘连,从而影响车流量统计系统的准确率。因此,车辆阴影消除算法、粘连车辆分割算法是车流量统计系统的关键技术。本文在研究车流量统计过程中常用的阴影消除和粘连分割算法的基础上,实现了一个基于目标跟踪的车流量统计系统。本文主要研究工作如下:1.针对车辆边缘的遮挡车辆曲线分割算法在分割过程中准确率低的问题,改进了一种基于凹性分析的粘连车辆分割算法。仿真实验结果表明,本文的算法与车辆边缘的遮挡车辆曲线分割算法相比,在分割车辆时具有较高的准确率,从而可以有效地提高车流量统计系统的准确性。2.对常用的阴影消除算法(HSV颜色特征算法、梯度特征算法)进行了分析研究。针对上述两种算法各自消除率低的问题,提出了一种基于HSV颜色特征和梯度特征融合的阴影消除算法。仿真实验结果证明,本文所提出的算法具有较高的阴影消除率,在一定程度上提高了车辆检测的鲁棒性。3.在Visual Studio 2010集成开发环境下,采用MFC应用程序框架及Open CV计算机视觉库,实现了基于目标跟踪的车流量统计系统。实验结果表明,本文所设计的系统具有较好的实时性,可以在一定程度上克服光照的影响。