智能交通系统,ITS(Intelligent Transportation System)已经被证明是一种有效解决交通问题的方法。交通信息采集是ITS的重要组成部分,在交通控制与管理、城市道路规划等方面发挥着重要作用。交通信息采集离不开对道路上车辆的检测。近年来,随着计算机运算能力的提高和视频图像处理技术的进步,视频车辆检测成为智能交通系统中的一项关键技术,智能视频分析越来越受到人们的重视,并在现实生活中得到了广泛应用。针对目前较为流行的虚拟线圈检测视频车辆方法的缺点和不足,本文提出了一种通用的视频车辆检测方法。该方法结合了多种车辆及路面背景特征,并利用机器学习理论,使算法的性能和鲁棒性更好。主要思想如下:在视频图像中设置虚拟线圈(作为检测区域),假设车辆经过虚拟线圈时会引起像素强烈变化和局部图像纹理变化,通过检测此类变化来检测车辆。在本文中,设计了多种模式分类器,包括LDA+Adaboost、SVM及RF,来对通过虚拟线圈的车辆进行分类。选择并提取了14种特征(包括前景像素面积特征、纹理变化特征以及亮度和对比度特征),来训练模式分类器。最后,将训练好的模式分类器应用到新的检测视频中。通过不同时间、不同天气条件以及不同背景下的实验,验证了本文算法的有效性和鲁棒性。