智能交通监控系统的应用近年来越来越得到人们的重视，它是利用计算机视觉技术，对监控视频中的数据信息进行分析，得出有意义的数据，对管理交通的正常运行提供有力的帮助。传统的监控系统，随时需要人的主观判断。然而随着监控视频数量的增加，监控人员承受的压力和负担越来越重。智能交通监控系统利用计算机视觉技术，对监控视频中的图像序列进行分析，提取交通工具和人等运动目标，分析场景中运动目标的行为，如发现异常情况及时做出反应，并显示警告信息，提醒工作人员及时处理，使交通正常运行，减小相关人员财产损失。本文主要从以下三个方面进行研究：首先，运动目标检测，即将监控视频中运动目标检测出来。本文使用了一种简单有效的算法（空间向量差法）实现了视频图像中运动目标的检测。该方法主要利用空间向量的两个重要的属性：长度和方向。通过观察长度和方向的统计特性，对运动目标和噪声进行了分类，并计算自适应分割阈值，实现了自动检测运动目标并删除了相关噪声。最后，通过数学形态学方法对运动模板中的孤立噪声点进行删除，并对不完整的运动目标进行了修补。实验表明最后的检测结果比较理想，为下一步目标的跟踪提供了保障。其次，在目标跟踪方面，首先利用检测的结果提取目标的特征信息。接着介绍了卡尔曼滤波器的基本原理以及在跟踪方面的应用。在对目标的跟踪过程中，对于一般目标的跟踪只是采取了外接矩形的重叠面积作为判断依据，算法简单。而对于一些复杂情况，如目标合成，仅仅利用重叠面积无法满足跟踪的要求。这时先利用卡尔曼滤波器预测目标下一时刻的位置和区域，然后利用模板匹配在此区域内搜索，确定目标的准确位置，更新目标特征数据。最后，对智能交通监控系统中的预警技术进行了初步探讨。在对目标运行轨迹分析的基础上，成功的提取了目标的关键运动参数：速度和方向。并利用所获得的信息对目标行为做出判断。本文详细分析了交通监控视频中的三种异常情况：交通拥堵、行人横穿道路和交通事故，并给出了相应的检测算法，算法执行效果比较理想，能够满足要求。