随着社会经济高速发展和城镇化进程的不断加快,城市的人口数量和机动车保有量都在不断增加,导致城市交通拥堵现象日益严重。与交通拥堵相伴而来的环境污染和能源浪费等不利因素制约了城市发展并影响了居民生活质量。交通拥堵已经成为世界各国共同面临又急需解决的重要问题。因此,研究解决交通拥堵问题的方法具有重要的现实意义。在不能无止境地限制交通参与者数量和增加交通路网容量的前提下,提高交通路网运行效率是缓解交通拥堵的重要且有效方法。交通诱导系统已经被证明可以均衡路网负载,是行之有效的提高路网运行效率的方法之一。交通诱导系统根据当前路网内交通流运行情况,可为交通参与者提供出行线路指导,从而调节交通路网负载,降低交通拥堵发生的概率,最终实现缓解交通拥堵。交通诱导系统的基础数据是实时交通流状态信息——交通状态信息。只有在实时交通状态信息的支持下,交通诱导信息系统才能够充分发挥作用,缓解交通拥堵。随着获取、传输、存储和分析视频信息的成本逐渐降低,大规模应用视频分析技术从交通视频中提取可完整描述交通流状态的特征参数及其组合,从而实现交通状态识别已成为可能。因此,通过分析交通视频提取交通诱导信息系统的支撑数据——路网实时交通状态信息,对缓解交通拥堵具有重要的现实意义。本文基于“信息-知识-智能”的转换与统一理论,对与视觉交通状态自动识别任务有关的问题进行了较为深入的研究和探索,试图建立可行的技术和方案。本文的主要工作内容如下：1)利用全信息和信息转换原理对交通参数进行全面研究和分析,选择适合交通状态视觉识别任务的交通参数。从语法信息、语用信息和语义信息的角度对交通参数进行全信息意义下的分析,评估不同交通参数的肯定度和有效度,初步选择肯定度和有效度较高的占路比和瞬时速度作为描述交通状态的特征参数。由于准确提取占路比参数较为复杂,本文在对占路比参数研究的基础上提出以背景减图像观测区域内平均灰度值作为表征道路车辆数量的特征,并定义该特征为灰度参数。理论分析和实验结果表明在统计意义下,灰度参数与占路比具有线性相关性。提取灰度参数无需分割车辆,从而避免了在参数提取过程中使用复杂的算法,提高了系统的计算效率。为克服摄像机参数互异问题,本文提出以车辆运动的像素距离与道路分道线线段的像素长度之比为速度参数。2)设计适合交通视频分析的背景模型。提取灰度特征参数需要建立道路背景图像,本文在组直方图背景模型基础上,设计了结构简单、系统误差小且能自适应调节背景更新速度的高斯组直方图自适应背景模型。该模型具有调节参数少、跟踪速度快、模型精度高的优点,可高效地从交通视频中估计背景图像并跟踪环境光照变化。本文基于图像纹理匹配方法设计了车辆角点检测方法,避免了在提取车辆角点过程中对车辆进行分割。从而实现了无需车辆分割的交通参数提取。3)本文以“信息-知识-智能”的转换与统一理论中的知识理论为基础,分析了知识获取方法,并分别利用RBF神经网络和模糊集合设计了交通状态分类器,所获识别结果正确率较高。本文定义特定光照条件的交通现场为交通场景。白天、傍晚和夜间的光照条件变化较大,导致典型的环境亮度差异较大,在不同交通场景下使用单一分类器对交通状态分级的准确率较低。为克服上述问题,本文研究了交通场景分类方法,并设计了全天交通状态识别方法,实现了具有较高准确率的全天交通状态识别。总之,本文对基于视觉的交通状态识别方法进行较为全面而深入的研究和探索,对进一步研究交通状态识别问题、促进交通诱导系统的研究和应用、解决城市交通拥堵问题具有重要的意义,并拥有广阔的应用前景。