對於車流分析檢測交通流量或交通堵塞，在智慧型運輸系統(intelligent transportation systems，ITS)是重要的研究問題。然而，以視覺為基礎之車流偵測技術通常會面臨到幾個問題。首先是強烈的戶外光線變化會影響車輛偵測的正確性。再者是大自然中樹的搖晃或移動的雲朵也會造成非車輛物體之偵測而造成假物體的干擾。因此，我們研發一項無需背景模型之車流分析系統以克服上述所提到的問題。於此計畫所研發之新系統裡包含數項新的技術研發。第一、我們發展改良之以方塊為基礎之連續畫面差異法以快速偵測移動之車輛，同時不受到強烈的光線變化及大自然中樹的搖晃與移動的雲朵的干擾。第二、經由長短期雙重之前景融合(fusion of short-term and long term backgrounds )分析，我們可以獲得精確且完整之車輛物體區域。第三、我們提出以紋理為基礎之物體切割技術來克服從擁擠車群中切割出每一台車輛之區域，也解決傳統以色彩特徵無法準確切割出每一台車輛的缺點。第四、我們提出以物體運動向量之熵值(motion entropy)來過濾樹的搖晃或移動的雲朵所造成的假運動車輛之前景區域。最後，結合上述所研發之技術，於本計畫裡我們會發展出以紋理模型做為車輛追蹤之新技術，並利用此技術分析車流及偵測相關異常事件。從實驗的結果發現，本技術在一個光線劇烈變化的環境下正確的做車流分析，並且每秒約可處理20張frame。