计算机视觉技术和嵌入式技术的快速发展使得道路监控系统朝着数字化、智能化、网络化的方向不断发展。智能道路监控系统旨在准确、快捷地获取监控范围内的运动目标信息,并对其进行智能分析,最终能为交通管理系统的决策提供重要依据。本课题以图像预处理、背景建立、背景更新、目标检测、目标跟踪为总体设计思路,其中运动目标检测与跟踪技术是智能道路监控系统的核心,也是本文的研究重点。运动目标检测方面,总结分析了光流法、帧差法和背景差分法等常用的目标检测算法,并在此基础上选用基于背景差分的运动目标检测算法。该算法具体包括背景的获取与更新、背景差分、差分图像二值化以及后处理等内容,最终实现了运动目标的准确分割。运动目标跟踪方面,深入研究了基于Kalman滤波和基于粒子滤波的跟踪方法,并详细介绍了两种滤波方法的基本原理和跟踪流程。利用Kalman滤波器建立运动模型,预测目标的大致区域后进行目标匹配,最终实现了目标的跟踪。仿真实验证明了基于Kalman滤波跟踪算法的有效性。针对粒子退化问题,提出了一种基于粒子群优化的运动目标跟踪方法,通过对交通场景中单个目标的跟踪实验,证明了算法的鲁棒性和有效性。本文在TMS320DM643的基础上搭建了硬件开发平台,并详细介绍了系统的视频采集模块、DSP处理模块、视频显示模块、存储模块等模块的具体实现。采用了TI公司的DSP/BIOS开发工具和RF5参考框架进行基于DSP端的软件设计和开发。最后将部分图像处理算法往DSP平台上进行了移植。