随着社会经济的不断发展和汽车人均拥有量的增加,随之而来的交通拥挤、交通阻塞和交通污染等问题日益严重。而智能交通系统,是将先进的计算机处理技术、信息技术、数据通信传输技术及电子自动控制技术等综合的运用于交通管理体系,将人、车有机的结合起来成为一个运行有序的系统,对于提高交通运输效率和效益,保证安全驾驶具有十分显著的作用。视频车辆作为智能交通系统的一部分广泛应用于辅助安全驾驶、自主导航、交通流量监测等许多方面,对于提高车辆驾驶的安全性有重要的作用。本文将安装在汽车前视镜摄像头,录制的视频图像作为研究对象,提取出视频图像中的车辆候选区域,并对图像中的车辆候选区域进行识别和追踪,其主要工作内容包括：1.车辆候选区域提取。将采集的视频图像转换到HSV空间,利用图像中的H分量提取出红色区域的位置,图像中的V分量提取出车底水平边缘位置,两者结合确定图像中车辆的候选区域。2. Gabor滤波器组的优化,利用改进的Gabor滤波器组对图像中的候选区域提取特性,并利用支持向量机对提取的候选区域特性进行训练、识别。滤波器组通过量子进化算法进行了改进,其中引入了小生境协同进化算法并对优化后的滤波器组进行聚类减少多余的滤波器,降低冗余度。通过与固定滤波器组、遗传算法优化的滤波器组进行识别率对比,本文的优化算法识别率高并且识别速度快。3.利用自适应渐消卡尔曼滤波器对视频图像中已确认的车辆进行追踪。卡尔曼增益通过变遗忘因子进行改进,避免误差的累积。通过自适应渐消卡尔曼滤波器预测下一帧图像中的车辆位置,与车辆候选区域提取进行对比。如果坐标位置满足匹配要求,则确认此位置为追踪的车辆,否则用前一帧的后验预测值代替真实值作为下一帧图像中车辆的真实值。此方法避免了车辆识别过程,提高了车辆追踪速度。