为了适应和解决地面交通快速发展所带来的各种交通问题,交通情况的综合分析即智能交通系统的研发被提到了重要的位置。远动车辆的检测及跟踪被作为智能交通管理系统(ITS—Intelligent transportation systems)中重要的组成部分,成为众多科研机构的研究热点。本文针对ITS中的关键技术,对基于视频的地面交通情况中的车辆跟踪和检测的相关问题进行研究,并在此基础之上对交通状态进行判定。本文是在对视频中运动车辆检测和跟踪的基础上,讨论交通状态的判定方法,分析并研究了交通状态的判定条件,并根据参考文献提出了具体判定方法,并给出相应的实验过程和结果。本文所进行的研究包括以下几个主要方面:首先是根据先验知识对视频中感兴趣区域进行划分,在车辆运动检测算法中,本文采用混合高斯模型对背景进行重构,研究了文献[35]中的基于高斯模型的阴影检测和去除算法,并把该算法应用于本文中的阴影去除,根据实验结果效果比较理想。在对运动车辆检测后,利用形态学处理在检测过程中检测图片出现的噪声;再次利用最小矩形对检测结果进行标记。在对运动车辆的跟踪算法中,本文采用基于kalman滤波的跟踪算法。在建立跟踪模板时使用Kalman滤波器对模板中的每一个像素值进行修正,从而得到一个更加柔和、合理的模板。基于Kalman滤波器的跟踪对光照变化和目标姿态、遮挡都表现出良好的鲁棒性。在对车辆检测和跟踪的基础上,分析并研究了该道路在某个时刻运动车辆的具体情况,来判断交通状况,比如拥堵、畅行、以及车流量大小等。同时本文中也提出具体的检测和跟踪的方法,并给出实验结果。通过实验结果显示,说明上文中用于运动车辆检测和跟踪的算法在交通状态分析中具有可行性。