1、近年來國(guó)內(nèi)經(jīng)濟(jì)高速發(fā)展，城市化進(jìn)程不斷加快，城市交通監(jiān)管的壓力逐漸增大，各類交通違章行為對(duì)交通秩序造成的影響日益惡劣。作為智能交通系統(tǒng)的重要組成部分，基于視頻的車輛違規(guī)轉(zhuǎn)彎等違章行為的檢測(cè)通過對(duì)車輛的違章行為進(jìn)行自動(dòng)檢測(cè)、判別與記錄，可為交通管理部門進(jìn)行交通監(jiān)管與決策提供有力依據(jù)。針對(duì)現(xiàn)階段視頻車輛違章檢測(cè)研究現(xiàn)狀以及所需技術(shù)，從以下幾個(gè)方面進(jìn)行研究并闡述本文所做工作。
　　首先對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)進(jìn)行了研究。通過分析比較自適應(yīng)背景選擇

2、更新、混合高斯模型、模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)等幾種主要前景檢測(cè)算法，選擇使用ViBe背景提取方法以滿足車輛違章行為檢測(cè)的要求;同時(shí)針對(duì)前景檢測(cè)中普遍存在的將陰影誤檢為前景從而降低檢測(cè)效果，影響后續(xù)違章行為判別的問題，本文提出將基于HSV顏色空間特征的陰影檢測(cè)方法運(yùn)用于ViBe算法特有的像素級(jí)更新機(jī)制中，通過在背景模型像素樣本集更新過程中進(jìn)行陰影的判別，從而在確保得到準(zhǔn)確前景目標(biāo)的基礎(chǔ)上，盡可能減少陰影去除算法對(duì)實(shí)時(shí)性造成的影響。
　　其

3、次對(duì)車輛跟蹤及軌跡提取進(jìn)行了研究。為了實(shí)現(xiàn)對(duì)車輛違章的判別，需要對(duì)車輛進(jìn)行跟蹤從而提取車輛目標(biāo)的軌跡信息。本文在提取前景車輛特征（質(zhì)心、前景目標(biāo)連通域?qū)捀咭约皢挝粫r(shí)間偏移）的基礎(chǔ)上，通過多特征匹配的方法實(shí)現(xiàn)車輛間的關(guān)聯(lián)，并建立跟蹤列表實(shí)現(xiàn)多個(gè)車輛的穩(wěn)定跟蹤;同時(shí)為了提高算法搜索效率，利用卡爾曼濾波算法對(duì)車輛狀態(tài)信息向量進(jìn)行預(yù)測(cè)。
　　再次對(duì)車輛違章行為的判別進(jìn)行了研究。本文針對(duì)車輛違章逆行、違章轉(zhuǎn)彎、違章壓線以及違章停車等異常行為