随着城市车辆的增多,改善交通拥挤的现状成为各大城市交通运输系统的发展目标。智能交通系统是未来城市交通管理和车流量控制的热门研究方向,通过它可以更高效地对交通流进行限制、调整、疏导以改善通行效率、保障交通安全。其中,基于视频的多车道车辆检测是实现智能交通系统的重要组成部分。本文介绍了一些国内外进行车道划分和车辆检测的常用技术,分析比较后提出了一套基于背景差分法和多车道划分的车辆检测的方法。该方法研究的重点是多车道的划分和车辆于背景中的检测。摄像头采集到的视频经过灰度化、图像增强等预处理后,对图像帧进行感兴趣区域划分,在小区域内进行Hough直线检测和直线特征凸显。Hough直线检测是当今最为成熟和运用最广泛的直线检测算法。然后对检测出的车道线进行可信赖点选取,通过车道线直线模型的建立拟合出多条车道线。其中,视频帧进行感兴趣区域划分即减少了计算量,又能够摒弃噪点对车道线检测的影响,具有响应迅速,鲁棒性好的特点。在得到多条车道线和道路边界的直线后,进行车道划分,凸显出目标车道,方便单一车道的车辆检测,使交通系统的运用更加人性化和智能化。基于背景差分法的车辆检测,背景的建立和更新是能否准确检测出车辆信息的关键。论文介绍了常用的一些背景建立和更新的方法,结合路口交通运用场地的特点,选取均值法建立最初背景,利用Kalman滤波思想,引入更新因子来进行背景的更新。背景差分后的结果采用OTSU阈值分割的方法提取单一车道上的车辆。背景建立的学习过程图片可以看出该算法背景的学习速度很快,其更新也很稳定,实时性良好。算法的调试平台是VC6.0,算法的实现运用了OpenCVl.0的嵌入。OpenCV封装的函数代码简洁高速,效果理想。多车道的车辆检测能够较好地处理数据帧图像,同时对多车道进行识别划分,更加贴切的符合现代社会交通立体化、多元化的需要,提高了智能交通系统的运算速度和识别性能,有效降低经济成本,节能环保,响应国家低碳环保生活的号召。