近年来，随着人们生活水平的不断提高，汽车数量的急剧增加，交通基础设施很难及时随之改善，这就加大了道路交通中的压力，交通事故、交通拥堵等一系列问题也频繁出现。这样，智能交通系统应用与普及显得更加迫切，迅速成为国内外相关机构的研究焦点。车辆检测、车辆跟踪以及交通事件的检测都是ITS中的关键技术，也是重要组成部分。车辆检测的主要目的就是从视频图像上复杂的交通路况中检测出车辆的目标区域，是后续跟踪识别的基础。车辆跟踪是为了获得交通图像中的车辆信息（包括位置、大小等）。交通事件的检测是对已获得的车辆信息进行有效的分析与理解，判断车辆行为规范的一种技术，也是ITS中最重要的一环，是其意义的一种具体实现。　　本文针对车辆检测、车辆跟踪以及交通事件的检测技术的基本原理和方法进行了深入的研究，以保证检测的准确率为目的，根据这三个方面的技术分别提出了相应的改进型方法，并且通过实验得以验证。以下是本文所研究的成果。　　1、车辆检测。在研究三帧差法与背景差分法优劣的基础上，提出改进模型，这种模型结合了背景差分法、三帧差法和HSV空间转换，针对目前复杂道路的情况又一定的改善，如光照、天气、阴影，同时对道路背景突然变化也有一定的适应性。还提出一种改进型的局部OSTU阈值选取算法，增加了车辆检出率和准确度。　　2、车辆跟踪。在研究mean-shift算法的基础上，提出了一种基于该算法一个改进型方法，该算法使目标与背景完全分离，减少了背景对目标的影响，目标跟踪的精确度有一定的提高。由于该算法的初始窗口的选择问题，本文使用了一种基于改进型mean-shift算法和无迹卡尔曼算法相结合的方法，以达到提高目标跟踪的准确率的目的。　　3、交通事件检测。在研究图像坐标与世界坐标之间相互转换的基础上，使用实验的方法对相机进行标定，得到相机内部参数，提出了基于此算法的计算车辆速度的一种方法，与传统的检测方法相比，它具有自适应特质更加灵活，在此基础上可以判断车辆是否逆行，也可以设定一定的阈值来判断车辆是否超速、低速行驶，也可检测出车辆是否违章停车此外，还提出了一种求取背景图像中车道线的算法，该算法是一种基于图像阈值化、边缘检测和霍夫变换相结合的方法，优势互补，实验证明可以得到较为准确的车道线，这样根据一定的判断规则可以检测出车辆是否换道与压线，同时还可以求出车道占有率，若占有率较高且车辆速度缓慢，即可判定交通拥堵事件。