由于隧道结构封闭复杂,确保隧道内部交通安全显得尤为重要。隧道实时交通安全监控系统是确保隧道安全运营的重要手段。近年来,智能交通系统的发展,带动了视频检测技术前所未有的发展。基于视频检测技术的智能隧道交通安全监控系统相对于传统的隧道安全监控系统有着无法比拟的优势。将视频检测技术应用到隧道交通安全监控具有重要的现实意义。运动目标的检测、定位和跟踪是视频检测的关键技术,本文的研究重点是针对隧道这种特殊应用场景对这几个关键技术进行理论分析和实验研究,在此基础上完成基于视频检测技术的智能隧道交通安全监控系统的开发。论文的主要工作如下：(1)运动目标检测和车辆定位算法的选择和实验研究。深入研究比较了现有的各种运动目标检测和定位算法,针对隧道应用中光照复杂多变的特点,选择基于差异深度积累的目标检测算法,该方法在背景建模过程中引入差异深度矩阵来记录图像的变化,从而可以达到区分噪声和真正的运动目标的效果,进而可以基本消除噪声的影响。实验结果表明,利用差异深度积累背景建模方法建立的背景干净、准确,且抗干扰能力强,基于差异深度积累的目标检测算法可获得准确的检测结果。由于分水岭分割算法能得到闭合的区域轮廓,而且具有计算负担小、分割精度高的优点,选择分水岭算法实现车辆定位。(2)运动目标的跟踪问题是典型的动态系统状态估计问题,在模型满足高斯线性条件下,卡尔曼滤波是跟踪问题的最优解。本文在综合分析了现有的运动目标跟踪算法基础上,针对隧道应用场景,提出了基于二级特征匹配的卡尔曼滤波跟踪算法,二级特征匹配即基于目标区域的几何特征和核直方图特征的匹配。二级特征匹配将运动目标的特征匹配过程分为两级,首先对目标区域作几何特征匹配,如能找到最佳匹配则无需做下一级匹配；如果几何特征匹配结果不唯一,则继续做核直方图匹配。这样在保证跟踪结果的准确性同时又减少了计算量。实验结果表明,该算法能有效地实现多运动目标的跟踪,且计算量较小实时性好。(3)最后,本文在前述的视频检测技术基础上,设计实现了基于视频检测技术的智能交通安全监控系统。该系统由以下几个模块构成：图像采集模块、视频存储和数据库模块、视频图像处理模块、信息管理系统模块及其它辅助模块。实验结果表明,该系统能够实现对车流量、车速、道路占有率等交通参数和超速低速行驶、违法变道及逆向行驶等交通事件的检测,达到了设计要求。