数字图像处理技术是蕴涵巨大发展潜力的新兴科学研究领域之一,在交通行业中,其应用日益广泛。基于图像分析的事件自动检测系统是利用计算机视觉、神经网络、模糊逻辑和遗传算法等技术和方法进行交通事件检测、车辆识别和道路利用监视,其性能完全优于传统的基于交通流特征的事件检测算法。本文实现了一个由车辆检测、形态滤波、连通域分析、车辆跟踪、事件检测等部分组成的高速公路交通事件检测算法,并针对实现过程中遇到的问题及难点提出了相应的解决方法。本文在阴影检测中,利用颜色空间C1C2C3的颜色不变性质,提出了有效的阴影检测算法。由于在高速公路上的行驶车辆可以近似认为是直线匀速运动的,所以根据Kalman滤波理论建立了运动车辆状态预测模型,该模型能够同时进行多车辆跟踪,而且根据跟踪结果判断车辆是否遮挡、分裂,在车辆产生遮挡的区域运用金字塔搜索方法进行模板匹配,对遮挡车辆进行分割。在基于轨迹的事件检测中,通过直线拟和的方法,把复杂的车辆跟踪轨迹曲线简化为直线组合,以直线差角代替轨迹曲线曲率变化,以此分析车辆行驶方向的变化,最后判定事件。并且在本文中给出了车辆速度估计方法,能够检测车辆超速、慢速等事件;而且运用了隐马尔可夫模型(HMM)进行高速公路车辆碰撞事件的预测。同时,本文应用VC++开发工具与OPENCV图像开发包实现了算法,开发了系统原型,并对录制的高速公路视频监控录像做了实验,验证了算法的有效性。