تاکنون روش­های زیادی جهت تشخیص خودروها توسط محققین ارائه‌شده است. به‌عنوان‌مثال تکنیک تفاضل فریم یکی از روش­های ارائه‌شده برای شناسایی خودروها می­باشد. در این روش ­هر تغییری در فریم جاری نسبت به تصویر پس­زمینه نشان­دهنده خودروهای متحرک می­باشد. در این روش­ها به‌طورکلی سایه خودروها به­عنوان عارضه متحرک شناسایی می­شوند و این زمانی که سایه خودروها با هم همپوشانی داشته باشند، باعث تلفیق چندیدن خودرو شده و دقت شناسایی خودروها به شدت کاهش پیدا می­کند. برای حل این مشکل برخی روش­های مبتنی بر گسترش ناحیه ارائه‌شده است که بعضا به دلیل پایین بودن دقت به­صورت موفقیت آمیز عمل نمی­کنند. بنابراین هدف اصلی در این تحقیق بهبود روش تفاضل فریم از طریق وزن­دهی به پیکسل­های تصویر با استفاده ترکیب چندین ویژگی بافتی جهت حذف سایه خودروها می­باشد. برای این کار، بعد از استخراج تصویر پس­زمینه و قبل از عمل تفاضل به هر کدام از پیکسل­های تصویر پس‍زمینه و پیش­زمینه وزنی اختصاص داده می­شود. طبیعتا، پیکسل­های وزن دهی­شده مربوط به قسمت سایه و محدوده متناظر در تصویر پس­زمینه­(سطح آسفالت) مقدار کمی وزن خیلی نزدیک به هم می­شوند. در نتیجه، با عمل تفاضل فریم­های وزن­دهی شده پس­زمینه و جاری علاوه براینکه خودروها حذف می­شوند، سایه خودروها هم به همراه آنها حذف می­شوند. در این تحقیق از چهار پایگاه داده جهت پیاده­سازی و ارزیابی استفاده‌شده­است. معیارهای مورداستفاده برای نشان­دادن دقت در شناسایی خودروها OA، HR، FAR، MODP و MOTP می­باشند. با استفاده از این معیارها روش پیشنهادی با دو روش که توسط محققین دیگر برای حذف سایه مورداستفاده قرارگرفته‍اند مقایسه و ارزیابی شد. در این آزمون­ها، بهبود دقت روش پیشنهادی، به‌صورت نسبی نسبت به دیگر روش­ها و بسته به معیار مورداستفاده، در بازه بین 2 تا 15 درصد متغیر می­باشد.