在视频车辆检测系统中,通常采用背景差分法检测车辆目标,而实现背景差法的关键是初始背景的获取和背景的动态更新。本文介绍了常用的背景估计算法,利用现场采集的视频数据,对其效果和存在的缺点进行了分析,据此提出了新的背景估计算法。该算法是统计直方图法和统计中值法的结合,它先剔除远景中的异常灰度值后求灰度中值,再在中值灰度周围寻找频数最大的灰度值,将其作为背景。该算法不仅保留了统计法模型简单、抗噪声抗干扰性好的优点,而且大大改善了统计法容易把车灯或者车身错误地估计为背景的缺点。在实际应用中,由于光照环境和场景的变化,背景是动态变化的,要保证系统能够正常工作,必须对背景进行动态更新。本文针对隧道型场景和公路型场景提出了两种背景更新算法。其中,用于隧道的算法以初始背景为基础,用相邻帧间对应块的SAD值判断是否进入可更新状态,并用相邻稳定状态的二值化结果判断是及时更新还是延迟更新。用于公路的算法将背景分为有效背景和无效背景,用当前帧与模板图像间对应块的SAD值判断是否进入稳定状态,且将差异小的相邻稳定状态相连,然后再判断是否进入可更新状态。利用上海复兴路隧道采集的视频数据,对本文提出的背景估计算法和隧道型场景背景更新算法进行了实验,实验结果表明：在畅通的交通状况下,背景估计算法能够很好地估计出背景；背景更新算法不仅能及时更新光照的变化,而且在车辆停留时能实现延迟更新,以满足系统后续处理的需求。利用上海外环采集的视频数据,对公路型场景背景更新算法进行实验,实验结果表明：即使在车流量很大的情况下,算法也具有令人满意的结果。本文提出的算法已经在实际的交通检测系统中获得成功应用,初步应用显示,其可以适应比较复杂的现场交通环境。