智能交通系统(Intelligent Transport Systern)是将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术及计算机处理技术等有效的运用于整个地面交通管理系统而建立的一种在大范围、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。对城市交通建设、车辆人员安全防护方面具有巨大的应用价值和前景。它也是近几年来随着智能视频监控系统方面研究的进步而形成的一个研究热点。　　 本文主要研究了智能交通视频监控系统中图像检测方面的内容，包括车外目标检测、阴影检测和车内疲劳驾驶检测。车外目标检测中分别对静态场景和动态场景下的背景建模以及目标检测、轮廓提取展开了研究。静态场景背景采用均值法，并通过自动更新以适应场景的变化，通过像素与单高斯模型匹配的结果实现目标检测。动态场景的背景建模通过混合多高斯模型来描述，并提出了一种随机抽样的多高斯简化算法，解决了一部分动态场景下的目标检测问题。进而对阴影检测问题进行了研究，通过灰度畸变和色度畸变的算法来检测阴影，并分别写了程序代码实现，进行了比较和优化。　　 针对车内疲劳驾驶检测也是智能交通中一个比较重要的研究方向，采用目前国际最流行的疲劳驾驶检测技术一基于视觉的疲劳驾驶检测技术，将由CCD摄像头获得的图像进行处理和运算，提取驾驶员眼球的运动和眨眼信息这两项重要的人体生理反应特征，结合国际通用的PERCLOS(单位时间内眼睛闭合时间所占的百分率)模型来进行驾驶员疲劳程度的判断。本文使用AdaBoost人脸检测算法完成对图像中的人脸区域进行检测和定位。另外，曝光补偿，积分图，平滑处理等高级图像算法的运用，提高了系统的准确度，使得系统更能满足驾驶员疲劳检测的需要。