车辆的检测和跟踪是智能交通系统中必不可少的重要组成部分，它为后续的交通控制管理提供重要的数据依据。基于视频的车辆检测和跟踪较传统的检测方法，具有直观性好、抗干扰强、检测范围广和性价比高等显著优点。随着信息技术的快速发展，基于视频的车辆检测和跟踪方法的研究吸引了众多研究者的关注，成为当今的研究热点。论文介绍了视频车辆检测和跟踪技术的发展现状，给出了整个检测系统的结构框架，并结合图像处理的相关知识对视频序列进行处理，对系统中的关键技术进行了研究，具体研究内容如下：在车辆检测方面，研究了常用的背景提取方法（如，统计法、均值法和中值法）和车辆提取方法（如，光流法、帧间差分法和背景差分法）。因为利用以上方法提取到的车辆含有大量阴影信息，故又对车辆阴影的去除做了大量试验研究，最后采用一种基于阴影特征的方法去除阴影，大体步骤如下：首先确定阴影所在的方向。其中，针对深色车辆的特殊情况，提出一种通过对比差分图像各边界灰度值方差的方法，来确定阴影的方向；然后计算出车辆阴影灰度值的分布区间；最后根据分布区间，来达到去除阴影的目的。去除阴影后，利用形态学、连通区域和图像归并的相关知识和操作，最后确定出运动目标车辆的轮廓。在车辆跟踪方面，通过研究了几种常见的跟踪方法，最后采用了一种基于区域灰度值的方法来进行匹配跟踪，并对这种方法进行了改善，利用提取到的车辆区域来确定匹配区域，从而缩小了匹配范围。结果显示，基于区域灰度值的车辆匹配跟踪效果良好。