车辆检测技术是智能交通系统采集单元中重要的基础技术之一,而交通监控视频中包含的信息数据量大、种类齐全,基于视频流图像帧的车辆检测定位算法在智能交通监控中得到了广泛的应用,近年来,随着图像处理技术的迅猛发展,基于交通视频的静态场景下多运动目标检测算法逐渐成为研究热点。本文对目标运动信息检测算法进行研究,由于ViBE(Video Background Estimation)算法存在邻域采样点重复率高、分类距离阈值固定的缺点,进行了以下两方面改进:首先,将采样点由原来的3*3邻域扩大到5*5邻域,并按照距离中心像素点的远近为采样点分配不同的权重,达到降低采样点重复率的目的;第二,将原来固定的距离阈值R,改进成自适应距离阈值R。改进后的ViBE算法可以获取更加完整的二值图像,通过形态学闭操作处理后得到被标记的运动目标可能区域,之后在原图中截取同样的区域。利用训练好的Haar-Like和MB-LBP特征相结合的嵌套级联分类器(Nested Cascades of GABoosted Classifiers,NCGAB)进行逐层判别,通过非极大值抑制算法(Non-Maximum Suppression,NMS)进行约束性筛选检测,最终提取出视频帧中的车辆位置信息。对改进的算法进行实验仿真,结果表明:本文提出的改进ViBE算法检测结果在查准率、查全率、F1值上分别高于原算法1.5%、5.4%、3.8%。基于改进ViBE的多特征NCGAB分类器在CDW2014、WF paper数据集上检测准确率分别为76.2%、84.7%,误检率分别为12.4%、8.1%,漏检率分别为11.4%,7.29%,具有满意的检测结果。