运动车辆的有效检测和准确跟踪是现代智能交通研究核心部分。本论文在总结和分析现有的车辆检测和跟踪技术的基础上,重点研究摄像头固定下运动车辆的检测和跟踪技术,其中主要涉及到运动车辆的检测与提取、运动车辆阴影去除方法、运动车辆的跟踪等方面的内容。基于视频的检测跟踪系统易于安装、工作稳定、具有丰富的可视信息,代表着交通监控系统的发展方向,是目前国内外研究的热点。背景差分法是一种重要的视频车辆检测方法。该方法建立一个参考背景图像并将其与当前输入图像进行比较,从而分割出前景目标车辆。由于实际交通道路状况受气候、光照缓慢变化及树木扰动等多种因素的影响,变化非常复杂,针对这一问题,本文研究了一种存在运动目标情况下的背景重建算法,能较好地抑制外界环境变化带来的影响,可将动态背景获取及更新过程合二为一,具有较好的实时性。目前基于图像特征匹配的车型识别中大多采用灰度、边缘等特征,这些识别方法通常耗时较大。本文通过计算待检测车辆与三类标准样本Harris角点的Hausdorff距离,距离最小的样本作为待检测车辆的车型,实验结果表明该方法识别精度高且计算量小。最后利用Harris角点对车辆进行了测速。针对跟踪车辆所需计算量大、车辆遮挡等难题。本文对车辆跟踪进行了初步研究,利用卡尔曼滤波理论建立运动模型,通过车辆特征如位置、边缘等进行预测,预测得到的运动目标和当前帧中的目标进行匹配,寻找运动目标在图像序列中各帧中的对应关系,确定其运动轨迹。当车辆发生遮挡时,利用遮挡前边缘与遮挡时的边缘更新匹配模板,实验结果表明,该算法能够对运动车辆进行有效跟踪。对上述算法进行了仿真实验,结果表明其算法检测精度高、实时性好,在高速公路自动收费站、自动收费停车场等场合具有较高的实用价值。