近年来,由于城市交通拥塞现象及交通事故的日趋严重,智能交通系统的开发近年来引起了广泛的关注。论文所研究的视频交通信息检测技术在ITS中占有很重要的地位,该技术通过对交通图像的智能化分析和处理,检测到所需的多种交通流参数,这些参数对于交通的智能化管理非常有意义。本论文介绍了一种基于视频和数字图像处理技术的实时交通流检测系统。论文首先介绍了视频交通流检测系统的研究背景,以及国内国外的研究、应用现状,给出了这项研究的重要意义和前景。然后对图像滤波除噪、增强等图像预处理过程中遇到的问题进行了分析比较,确定了系统设计和研究中所要采用的基本算法。对预处理后的图像,采用基于背景图像差分检测方法进行车辆运动的实时检测,通过对检测到的物体进行分割,提取出运动物体的边缘信息。然后采用能够直接检测直线端点的Hough变换,提取出具有车辆垂直边缘特征的直线段,该方法较好的解决了传统Hough变换在线提取过程中多线宽、缺少端点信息等缺点。根据位置特征,从Hough变换提取的前三条峰值直线段中,剔除非车辆边缘的那条直线,而得到两条车辆的真实边缘。最后根据两侧边缘完成车辆的上部边缘最终定位、识别。结合运动目标的静态特征,从形状信息体态比(宽高比)上对行人、自行车、摩托车和汽车进行分类判别,然后将汽车之外的运动物体滤除。文中介绍了TMS320DM642可编程数字媒体处理器的板上主要组成结构和系统的软件开发环境CCS(Code Composer Studio)。最后介绍了视频交通流检测系统的设计思想,利用虚拟检测线算法实现了车辆判别、车流量检测和车速检测等重要信息。论文不仅讲述了视频交通流参数的检测原理,而且还给出了各个算法的程序流程。为了提高系统的实时性,论文对系统优化的一些措施进行了介绍。本文的最后对自己所做的工作进行了总结,并指出了存在的问题和下一步继续研究的思路。