近年来，随着人们对道路交通需求的增加，智能交通系统已经成为研究热点。智能交通系统作为一种综合数字图像处理，模式识别，智能控制等多种技术的系统，能很大程度地满足日益增长的交通需求，但其在准确性、鲁棒性等方面还存在一定的缺陷。本文主要从两个方面进行研究：第一，采用数字图像处理、模式识别等手段，对监控摄像机所采集到的视频信息中的车辆进行检测、跟踪，从而提取车辆的信息，包括摄像机监控范围内的车流量，车速，车型信息等。第二，将软件系统移植到TMS320DM642平台上仿真实现，为系统的真正产品化提供基础。在算法研究方面，本文从系统的角度来实现车辆信息的提取，围绕车辆检测和跟踪算法，将系统分为：电子稳像、背景更新、图像标定、车辆检测和车辆跟踪。主要研究了其中的电子稳像、车辆检测和车辆跟踪三大部分。电子稳像：区别于人的视觉，计算机视觉对图像是否稳定更敏感。微小的图像抖动都会对计算机视觉的判断造成影响。电子稳像技术就是为了减小因摄像机抖动造成的图像不稳定的影响。车辆检测：当图像中的运动目标从背景中提取出来后，通过特定的图像分割算法，最后以斑块形式表现在二值图像上。车辆检测包括对斑块的分析，斑块的聚类和新车辆的触发三个部分。在这一步中，提取车流量和车型信息。车辆跟踪：利用车辆在图像坐标和世界坐标中的位置信息和颜色信息，采用Kalman滤波对每一辆车进行先预测后分析，完成对不同车道中的不同车辆进行同时跟踪分析。在这一步中，提取车辆的速度信息。通过实验，确定每个模块的最终算法。而仿真结果表明，整个系统能适应不同道路的要求，包括高速公路和城市道路，车辆信息提取基本达到实时，且车速、车流量、车型信息的准确度都达到了预期的效果。在硬件实现方面，将算法移植到TMS320DM642平台，通过各种代码优化技术，使系统能在嵌入式平台中实时准确地运行。最后对全文进行了总结，并对车辆信息提取系统的进一步研究进行了展望。