本文所研究的内容是普通户外静止背景图像中车辆行驶状态的检测与识别算法,对车辆和行人目标检测与分类的相关理论方法进行了分析研究。本文分析并提取了行驶车辆目标的形状特征和位置特征,根据这些特征对车辆行驶状态进行了检测,并采用目标的形状特征对视频序列中的车辆和行人目标进行了分类识别,主要研究内容如下：1.提出了一种基于块处理的自适应背景更新方法,该方法可获得实时的背景图像,减小了背景图像重构的时间；2.选择决策树C4.5分类器做为本文的目标分类算法,并对决策树C4.5算法提出了3点改进,具体改进内容如下：1)针对C4.5算法中信息增益率计算复杂问题,本文对信息增益率计算方法进行了改进,实验表明改进方法可提高算法的计算效率；2)改进了C4.5算法中连续性属性最佳分割阈值的选择方法,经实验分析,改进算法在计算量方面减少了很多,提高了决策树的生成效率；3)对C4.5算法的剪枝方法进行了改进,采用错误结点编码代价剪枝法ENCCP (Error Node Code Cost Prune)对决策树剪枝,实验证明了该剪枝算法可有效的剪去决策树中的错误分枝。3.搭建了一个车辆行驶状态检测与识别的仿真模型,该模型可准确快速地检测识别车辆的行驶状态。4.实验结果表明,本文所提出的对车辆行驶状态的检测与识别算法是有效的,该算法可快速、准确地对车辆的行驶状态进行检测,改进C4.5算法相对于传统C4.5算法在目标检测处理速度上提高了近2.5%,在目标分类准确率上提高了近1.2%。