随着经济的发展,我国大中型的城市的交通压力逐年增加。如今,智能交通已经成为提高交通效率的重要手段,在国内外的一些大城市发挥了巨大作用。要建立城市交通网络的模型是一件很困难的事情,所以,智能交通的强大功能的发挥,需要大量的实时交通信息的支持。要借助传统的物理传感器来获取准确、全面的实时交通信息是需要花费巨大的资金和人力,而在我国的大中型城市的道路上都安装了大量的图像/视频采集设备,利用现有的这些摄像设备来获取实时的交通信息成为一个研究热点。对这些设备的利用,不需要额外增加的专门的硬件,只需要增强软件的功能,即增加设备对图像的处理和识别功能。所以,图像处理技术的研究成果对于智能交通的发展有着重要的意义。本文首先阐述了智能交通的发展状况和车辆检测的研究现状,然后介绍了图像处理的关键技术：图像增强、图像分割、角点检测、二值图像的形态学处理等,最后,提出了一种新的角点检测方法和图像分割方法,并且利用BP神经网络识别出一幅图像中的若干车辆。本文提出的车辆检测方法可用于对交通路口的排队车辆的检测和数量统计。本文的主要研究内容如下：1、特征提取。摄像头采集到的图像经过预处理之后,得到一幅清晰的灰度图像。首先,采用一种新的掩模遍历图像,利用掩模所在区域像素的方差特性,去除图像中的平滑区域；然后,利用余下的边缘信息来进行角点检测,得到角点信息后,把角点所在位置的像素作为区域生长的种子点,区域生长结束后即得到一幅有多个联通子区域的二值图像。2、车辆识别。要对二值图像中的车辆进行识别,本文首先采用模板匹配的方法对二值图像中的子区域进行提取,利用一个长方形模板在二值图像中移动,如果二值图像中的某个区域与模板形状相似,就把这个区域从这幅图像中抽取出来,从而在一幅大图像中提取到若干幅像素为“320×240”的小的图像；然后,计算各幅小图像的不变矩和角点的数量,把七个不变矩和角点数量组成特征向量输入经过训练的BP神经网络,BP神经网络判断这幅小图像是否为一辆车辆,如果是则输出“1”,否则输出“0”；最后,通过计算,就得出了大图像中的车辆的数量。