随着私家车数量激增,道路负荷压力日益增大,智能交通系统的发展应运而生,但是,智能交通设备大部分安装于户外,恶劣天气成为智能交通的最大绊脚石,本文提出一种雾天环境下对摄像系统采集的视频序列进行图像去雾的方法,可以提高图像的识别率和对比度,继而完成车辆的检测跟踪和车速测定,本文的研究内容对于智能交通的发展具有重要意义。针对视频序列图像去雾,提出了一种能够有效避免天空区域出现颜色失真和晕圈现象的方法。由于图像之间的亮度存在差异,从而灰度值峰值出现的位置不同,估算出大气环境光,为了避免像素溢出的现象,利用像素的有效值[0,255],估算出非天空区域的透射率,在此基础上,采用一种自适应且能校正天空区域透射率的方法。在对视频序列车辆检测时,背景像素学习速率的大小影响检测的效果,在发生车辆拥挤和交通堵塞的地方,此时混合高斯模型应设置一个较大的背景学习率,依据前景区域所占面积比例的大小,从而选取不同大小的背景学习速率。在对视频序列车辆跟踪时,使用基于Harr特征结合Camshift实现多目标的跟踪算法。利用Camshift算法和分类器结合的方法,将分类器在训练完后提取到的车辆相关特征信号作为Camshift算法的初始窗口,然后对后续视频序列图像窗口进行跟踪,实现了Camshift结合Harr特征跟踪多目标车辆的方法。最后,利用单目视觉原理,对跟踪的多目标车辆进行测速,从而完成在雾天环境下的车辆智能交通系统工作流程,仿真结果表明:本文提出的方法能够有效去除视频序列的雾气,从而提高智能交通系统的工作效率。