违章停车事件是视频交通监控系统监控的一类重要异常事件，尤其在具有车流量大、行车速度快等特点的高速公路运营管理中，一旦发生停车事件后，若不及时处理，极易引发交通拥堵甚至二次事故，严重影响高速公路的正常运营，而复杂场景下由于视频序列图像中干扰信息较多，这就可能使得检测算法的检测准确率大大降低，甚至可能完全失效。从当前基于视频的停车检测算法的研究现状来看，算法对场景环境的自适应性差，而实际的应用场景比较复杂，如光照变化、车辆阴影以及隧道中车辆灯光、摄像机拍摄范围偏差等，因此研究复杂场景下的道路停车检测具有重要的理论和现实意义。本文针对上述问题，结合隧道及露天典型道路场景的特点，重点从运动目标检测和停驶车辆识别两个方面，展开对复杂场景下基于视频的停车检测关键技术的研究，包括：背景建模、背景更新、停驶车辆识别等。在背景建模以及背景更新方面，结合统计直方图法和统计中值法，提出了一种统计中值邻域最大值法。该方法不仅能有效过滤掉车辆灯光对路面背景的影响，而且使用面积中值法能够获得更接近理论中值的实际中值点，在提高场景背景建立效率的同时，建立更可靠的背景图像。此外，考虑实际的交通场景通常比较复杂，为了能够使当前背景能够始终真实代表当前场景，结合分块处理以及形态学滤波法，建立一种基于分块处理的背景重建与更新算法，在场景突变或者缓慢变化时，该算法能够及时更新背景。在停驶车辆识别方面,为了有效消除运动前景对背景像素点的影响，提出了一种基于像素时间序列特征的稳态分析法，分析背景像素稳态变化，准确检测静止目标；在此基础上，为了过滤掉实际交通场景中与停车状态特征相类似的非机动车对象（如抛洒物），通过获取目标对象在检测区域的大小以及轮廓规则度等特征，引入占空比和圆度来准确识别出车辆。最后，利用典型的交通场景——隧道场景和高速公路露天场景验证本文提出的停车检测算法。实验结果表明，提出的算法在隧道场景中正检率可达到95%以上，而在高速公路露天场景中正检率达到90%以上，与其他停车检测算法相比较，在减少计算量、提高系统实时性的同时，具有较好的正检率。