获得实时交通信息的重要性是不言而喻的，但是现有的信息采集方式并不能满足交通管理与控制的需求。随着近几年计算机技术的发展，基于视频的检测技术在交通中得到了广泛的应用，同其它检测方式相比，它具有检测范围大、设置灵活、安装维护方便、检测参数多等优点。因此通过研究视频检测中的关键技术实现运动车辆检测就有着重要的现实意义。 目前常用的车辆运动目标视频检测方法主要有帧间差分法、背景差分法和光流场法，这些方法都存在一定的缺陷。帧间差分、背景差分对于背景灰度变化过于敏感，且对差分阈值的选取依赖过大，选择不当容易把车辆目标判别为背景、形成孔洞。光流场理论计算结果只在目标边缘与背景有较明显的速度差，分割后的图像很难反映出检测汽车的关键或全部特征，为汽车识别带来很大的困难；另外，众所周知的原因是光流场的运算耗时太多，应用中实时性难以满足要求。 本论文的主要工作在于引入了一种新的运动目标检测方法——独立分量分析。独立分量分析的根本原理是通过分析多维观测数据间的高阶统计相关性，找出相互独立的隐含信息成分，完成分量间高阶冗余的去除及独立信源的提取。之所以独立分量分析可以应用于车辆视频检测，是因为我们可以将多帧视频图像序列看作是背景图像与车辆的叠加后的混合信号，其中背景基本保持不变，认为是一个独立分量；车辆在每一帧观测图像中处于不同位置并可能发生变化，认为是独立于背景图像的多个独立分量。独立分量分析使得分离后各分量之间的独立性最强，从而达到分离车辆的目标。