混合交通是我国交通的主要特征,基于视频处理的交通事件检测是智能交通领域的重要研究内容之一。本文从混合交通流的检测方法入手,分别对背景模型、目标识别和事件检测进行了研究。首先,本论文针对混合交通环境下,运动目标种类多,背景提取困难的特点,提出基于三帧差分法和数学形态学的背景自适应模型,该模型能够排除各种前景运动目标所造成的干扰,实现了复杂场景下的背景自动生成与更新。同时,该模型还可以根据环境光照强度的变化实时调整图像亮度,保证不同的视频图像具有相似的背景亮度。其次,结合目标形态特性,提出了基于偏心矩向量的混合交通物体特征提取与表达方法,该方法在物体的运动过程中具有旋转、平移和伸缩不变性。建立了基于SVM的识别分类算法,实现机动车、非机动车和行人的有效识别。在运动跟踪方面,结合混合交通流中多类目标的特点,提出基于卡尔曼滤波模型的多特征匹配方法,保证了运动状态的准确估计。该部分研究为目标的事件识别提供了有效的技术手段。最后,构建基于上下文的交通事件表达与识别方法,利用运动目标的状态属性结合上下文相关信息构建事件单元,实现简单交通事件的通用语义表达。针对交通事件的识别,提出基于贝叶斯分类器与逻辑运算判断相结合的基本事件识别方法,实现了对行人违章过街事件的识别实验,验证了本方法能够对实际场景中的基本交通事件进行有效识别。