本文对基于机器视觉的高速公路交通参量和交通事件的自动检测方法进行了系统的分析和研究。内容主要包括以下几个方面： (1)研究了采用图像平滑和图像锐化等图像增强手段来消除由于成像设备和拍摄环境等多种因素形成的图像噪声的方法。研究了运动车辆图像特征提取算法，该方法在图像差分(当前帧和背景帧差分和相邻两帧差分)的基础上，通过计算“图像差的统计值的均值”实现了运动车辆的特征提取。试验结果表明，该算法能够较好地将运动车辆从背景图像中检测出来。 (2)在分析运动车辆图像特征提取值的基础上，研究了车流量、车速、车头时距和车头间距等基本交通参量的检测方法。在车流量统计中，提出了“运动关联除影法”以消除车辆阴影的影响。在速度检测中，采用对同一车道上两个检测线圈内的车辆图像特征提取值进行匹配，以确保是同一辆车先后经过检测线圈，并用“背景移植”的方法提高了匹配的精度。 (3)在分析运动车辆图像特征提取值和检测参数的基础上，采用图像差分方法实现了车辆停车和道路拥挤等交通事件的检测。研究了基于单个检测线圈的车辆超速检测方法。分析了车辆在高速公路上应当保持的安全距离，并将实际检测的车头间距与计算得到的最小安全间距进行比较来判断前后车的间距是否合适。 (4)设计了高速公路交通参量和交通事件检测的硬件系统；以面向对象和模块化为指导思想，采用VisualC++软件开发平台，结合SQLServer2000数据库管理系统和ADO数据接口技术，开发了高速公路交通参量和交通事件自动检测软件系统。试验表明，该系统初步实现了视频检测范围内的交通参量和交通事件的自动检测，并对检测的结果进行了分析。