目前，随着汽车数量的增加，交通拥堵，交通事故频发生等问题也日益恶化，解决这些问题的最佳途径是智能交通系统的发展。而智能交通系统的基础是交通参数的检测。交通参数包括多个方面，比如车流量、车型、车速、车流密度等等。交通参数检测的方法有很多种，其中基于视频图像处理的机器视觉技术具有丰富的信息含量，成本代价低等优点，已成为国内外的研究热点。　　 本文以静止摄像机获取的车辆场景作为研究对象来提取交通参数，在参阅了很多国内外相关文献的基础上，研究了基于机器视觉的车流量统计和车型识别技术，并进行了归纳和总结，采取了适合车流量统计和车型识别的检测方法，利用OpenCV实现了一个车辆检测模拟系统。主要研究内容包括：　　 在流量检测方面，主要包括视频采集，目标检测，目标跟踪和目标统计四部分。目标检测部分主要用了帧差法，光流法和背景差分法，并对目标检测的结果进行了阴影消除和形态学处理，获得了较好的运动目标。然后通过对这三种方法的分析对比，最后决定在采用帧差法的基础上，对目标进行跟踪和统计。在分析已有的车流量统计算法优缺点的基础上，采用了基于虚拟检测框的质心统计法，通过在虚拟检测框内跟踪轮廓，寻找轮廓的质心并判断质心的位置对目标进行统计，该算法通过对实际的视频交通序列进行了测试，取得了较好的结果。　　 在车型识别方面，主要包括图像处理，特征提取和识别三部分。本文介绍了图像预处理、特征提取和识别算法等环节需要解决的问题。其中特征点的定位是车型识别的难点和重点，因为只有求出特征点，才能求出特征值，根据特征值才能识别出车辆的形状。本课题寻找特征点时采取的是角点检测算法。在求出特征值后，根据所求的车长、顶长，引入顶长比、前后比两个特征来获得较好的识别效果。