实时采集道路网络中的道路交通流量、车速、车流密度、车头时距、车辆行程时间、以及占用率等宏观和微观的道路交通信息，可以帮助掌握道路交通流的规律，指导人们进行道路交通管理与控制。道路交通信息是道路交通设施改善、道路交通规划等必要的基础数据。因此，建立道路交通信息采集方法是一个很值得研究的课题。本文的主要研究内容如下：（1）采用统计方法更新视频图像背景，同时为了适应道路交通的复杂性，对不同道路环境下背景更新过程中相关参数进行了讨论和分析，并给出了参考值。在获取道路背景后，利用邻域、多阈值的方法对传统背景差分法来进行改进，克服其在运动目标检测过程中的不足。然后通过融合图像阴影的多种特征，获得包含视频图像阴影和亮度较低车辆的区域，再构建一组向量消除视频图像阴影的影响。通过详细的实验进一步验证采用改进的背景差分法和本文提出的阴影消除方法对车辆检测结果的可靠性。（2）为消除视频图像中车辆之间相互遮挡的影响，提高道路交通信息检测的准确性，提出了一种基于数学形态学的方法对视频图像中车辆之间相互遮挡的图像进行分割。计算视频图像中的车辆实体面积与最小外接多边形的面积差，以及视频图像中单个连通区域内车辆面积来智能识别遮挡是否存在。存在遮挡时，通过邻域特征搜索到凹包的顶点，然后利用凹包的顶点，作为腐蚀起点的判断依据，再腐蚀掉在距离变换过程中受凹包顶点影响的像素点。在完成对目标车辆遮挡识别和相关处理后，本文融合基于特征匹配的追踪方法和基于灰色系统的预测方法对运动目标追踪，先利用特征匹配追踪方法对运动车辆进行初步追踪，并利用灰色预测进行辅助判断特征匹配结果的可靠性。（3）采用计算机编程将相关理论和技术转化为实践，本文设计并实现了道路交通信息采集的软件。选取了代表近距离拍摄和远距离拍摄的两个交通视频实例对该技术进行检验和分析，获取了交通量、车速、车头时距、交通密度，车辆达到时间等交通信息。