随着计算机成本的下降及其处理能力的提升，机器视觉技术成为研究智能交通系统的重要工具。现有大多数的算法主要集中于白天条件下的高速公路、城市快速路的车辆检测。由于基于机器视觉的算法对道路环境、图像质量和光线的敏感性和其算法通用性低，现有的算法难以应用于交叉路口白天和夜间条件下的车辆检测。因此，提出高效的、鲁棒的、全天候的车辆检测算法将是极大的挑战。　　 白天与夜间，汽车所呈现的特征不一样。在白天，车体是汽车的主要特征。而在夜间，汽车最明显的特征是前灯。因此，本文分别对白天和夜间的交通场景车辆检测算法进行研究。　　 在白天条件下，针对城市交叉路口的行车特点，本文首先在交叉路口停车线与斑马线之间设置了虚拟的检测区域，该检测区域覆盖了所要检测的车道。其次，在检测区域内，采用高斯混合模型建立背景模型，运用背景差分法分割车辆区域，通过垂直投影降低车辆区域内的空洞对车辆检测的影响。最后，目标区域宽度与阈值的比较来检测车辆，并结合帧数进行车流量统计。　　 在夜间，本文所提出夜间车流量检测算法包括三部分:车前灯分割、车前灯配对和车前灯跟踪。本文运用阈值法分割车前灯区域的像素，并对这些像素进行连通域检测，以获取连通域的位置、尺寸和面积。通过面积特征，初步滤除一些非汽车前灯的连通域。连通域的位置和尺寸特征用于车前灯的配对，运用基于区域的跟踪算法对配对的车前灯进行跟踪，从而实现车流量统计。　　 本文所提出的算法，在VS2008编译平台实现，并且分别对城市交叉路口白天和夜间视频样本进行测试。实验结果表明，所提出的算法，能够高效地、鲁棒地、准确地检测城市交叉路口车流量。