随着中国城市化进程的发展,越来越多的家庭开始拥有自己的汽车,城市的交通压力日益增大,而各类交通问题给人们带来的生命财产损失也是与日俱增,为了应对当前城市交通的困难,越来越多的人将提高城市交通管理运营能力寄希望于智能交通系统。智能交通系统是集成城市各种异构的交通数据源,分别对其进行分析处理,在逻辑层面对各种异构交通数据源进行融合,从而向交通管理人员提供实时全面的交通信息。而现今在各大城市运行的交通管理系统往往只依赖于单一的数据源,如GPS数据、无线数据、传感器数据、视频以及人工报告,缺乏系统之间的协同和信息融合,造成这种情况的主要原因是不同数据源的数据处理能力不一致,其中视频数据的处理能力成为制约着智能交通系统发展的瓶颈。在本文中重点研究的是视觉分析技术在智能交通环境中的应用,主要是为了提高对交通监控视频数据的处理能力,当今各大城市都已经构建了覆盖城市交通网络的视频监控系统,但是对于交通监控系统中的视频数据处理水平却较低,主要是以人工处理为主,其智能化水平远不及以其他数据源为主的交通管理系统。而近年来视频分析技术突飞猛进,在相关研究领域取得了丰硕的成果,为提高交通监控视频的智能处理水平提供了理论支撑。本文首先介绍了智能交通系统的历史和现状,然后对视频分析技术在智能交通环境下的应用进行了介绍,对本文中涉及了相关理论基础进行了阐述。本文分别探讨了视频分析技术在交通状态检测和交通事故检测方面的应用。在交通状态检测方面,本文使用光流作为观察特征,通过光流的累加进行车道的自动分割,使用不同交通状态下的光流特征序列训练检测相应状态的隐马尔科夫模型。在检测过程中,隐马尔科夫模型当前帧的光流观察序列识别交通状态,例如交通空闲、交通顺畅、交通繁忙以及交通拥堵。在交通事故检测方面,本文提出了基于光流的交通事故检测模型。根据交通视频中的光流特征构建运动方向图,用来反映物体运动的方向性,通过计算运动方向图能量,用运动方向图序列的能量波动刻画交通视频序列中的车辆运动方向的改变,通过在能量序列中检测能量的陡增作为交通事故发生的标志。最后,通过使用真实的交通监控视频对交通状态检测模型和交通事故检测模型进行了测试,实验结果表明交通状态和交通事故检测模型在不同的交通环境下都取得了满意的检测效果,提高了智能交通系统对视频分析处理的能力。