随着当今社会的不断发展,智能交通系统越来越成为世界各个国家广泛关注的焦点。智能交通系统在道路监控,以及道路交通管理方面上发挥了重要的作用。智能交通系统的其中一个热点和难点是车辆检测与跟踪。论文围绕视频中车辆的运动检测,跟踪以及相关的阴影去除和遮挡处理等重难点问题展开研究,同时将这些方法应用于视频监控的系统中。主要的工作分为以下几点。(1)论文提出改进的背景建模算法以及无参化特征融合阴影去除算法。首先介绍了背景建模算法,选取Vibe(Visual Background extractor)作为系统的目标检测算法,对Vibe建模算法的不足进行了阐述,并提出改进方法。该方法能够有效抑制Vibe算法容易引入的鬼影问题,从而更加准确的对目标进行检测。同时为了消除运动车辆阴影对前景结果造成的影响,提出一种改进HSV(Hue,Saturation,Value)特征与纹理LBP(Local Binary Patterns)特征相融合去除阴影的方法,对HSV特征无参化,此融合算法有效地去除了车辆阴影。(2)论文提出一种基于改进观测模型的粒子滤波跟踪算法。首先研究目标跟踪算法,介绍了几种典型算法,并阐述了算法基本原理,给出对比分析。同时,提出了 一种基于改进HOG(Histogram of Oriented Gradients)特征的车辆观测模型,在不同光照条件下,能准确提取车辆信息,实现精准匹配和跟踪。(3)论文提出一种广泛适用的车辆遮挡检测分割算法。车辆间交互容易造成车辆的遮挡,影响跟踪效果。文中遮挡的处理主要包含两步操作,首先对目标候选框进行遮挡检测,然后对符合条件的遮挡框进行遮挡的分割,得到分割后车辆信息,用于后续车辆跟踪,一定程度上解决了车辆的遮挡问题。根据以上算法,本文选取多种场景下交通道路视频进行检测跟踪仿真实验。通过对车辆的正确跟踪,错误跟踪以及丢失跟踪帧数进行的统计表明,该框架是一个稳健的车辆检测与跟踪系统,可以有效去除阴影以及处理遮挡,从而准确的检测与跟踪车辆。