监控摄像机广泛应用于智能交通领域，生成海量、无结构交通视频数据。视频结构化技术能够实现交通视频内容的快速检索与浏览，便于视频数据与其他形式信息互通，降低系统信息传输、存储和共享的负担。本文基于传感器信息融合从目标与事件检测的角度对城市交通监控视频结构化进行研究。本文主要研究内容和创新点如下:　　 1)交通视频目标检测。针对现有目标检测方法在检测慢速运动目标时存在背景污染、前景融入背景的问题，对近似中值滤波目标检测算法进行改进，建立背景更新动态模型，自适应调节背景更新速率。实验结果表明算法有效地克服背景污染问题，较好地抑制了噪声，算法空间和时间复杂度明显降低。　　 2)基于传感器信息特征融合的交通目标识别。针对常见视频目标识别算法在提取特征时易受噪声干扰，特征维数高，计算量大等不足，提出一种特征融合层次化目标识别算法，将目标磁敏传感器特征与视频特征相融合实现第一层次目标识别，之后提取目标图像代数特征实现目标第二层次识别。实验结果表明算法获得较高的识别准确率。　　 3)基于目标轨迹相似度距离的交通目标行为模式辨识。针对现有轨迹相似度距离算法存在计算复杂、准确性不高的缺点，本文对基于PCA的轨迹相似度距离算法进行改进，融入目标运动方向特征，之后对轨迹基于相似度距离聚类，实现目标行为模式辨识。实验表明基于本文轨迹相似度距离算法的目标行为模式辨识结果较其他算法准确度要高。　　 4)基于传感器信息决策融合的交通流事件检测。针对单一传感器采集交通信息环境噪声敏感的问题，提出一种融合磁敏传感器和视频信息的交通状态判别算法，对模糊C均值聚类算法进行改进，之后基于Vague集理论对两种传感器交通状态决策信息进行融合。实验结果表明该算法对噪声具有鲁棒性，交通状态判别结果准确性相比单一传感器得到提升。　　 5)交通监控视频结构化描述。针对普通视频结构化技术不适用于监控视频的问题，基于目标行为辨识和交通流事件检测对普通视频镜头切分和关键帧提取算法进行改进，实现交通监控视频的分段切分和关键帧提取。之后基于MPEG-7标准建立交通监控视频语义描述框架，该框架已申报专利。