随着科技进步和社会发展,汽车数量大幅上涨,道路安全问题越来越被重视,其中公路道路安全是非常重要的一部分。目前对公路车辆的检测与跟踪研究存在一定局限性,包括检测准确性和完整性较低,并且对雨雪天气的抗干扰能力较弱等问题,导致无法准确地跟踪公路车辆。本文针对以上问题对公路车辆检测算法、去雨算法、去雪算法和跟踪算法进行了研究,具体研究如下:（1）公路运动车辆检测使用改进Vi Be算法检测公路运动车辆,针对原Vi Be算法的“鬼影”问题和背景模型更新问题进行相应的改进。首先通过均值法获取视频序列的背景图像,用于初始化Vi Be算法的背景模型,解决“鬼影”问题。通过计数法调整像素分类时的动态阈值,提高检测准确性。将帧差法思想结合前景分割,使公路运动车辆前景图像更加完整。通过引入阈值的方式提高背景更新的稳定性,解决公路车辆静止时被更新为背景模型的问题。通过与其它检测算法的对比,证明改进Vi Be算法性能和检测效果更好。（2）去雨算法研究对RSRV去雨算法的原理进行研究,利用均值法获取的背景模型初始化参数,减少计算和迭代时间。使用计算过程得到的Mask矩阵和背景模型直接获取去雨视频图像,优化算法流程,大幅减少算法计算时间。与原RSRV算法和其他算法实验对比可知,改进RSRV算法在保证去雨效果的情况下减少了算法的计算时间。（3）去雪花算法研究由雪花的物体特性可知,雪花像素比非雪花像素的像素值更大,且由于雪花的反射强烈导致与遮住的背景亮度存在差值。根据这两个特性设计了雪花检测算法,可以准确地检测到图像中的雪花同时避免检测到大型白色物体。利用背景模型填补被去除的雪花像素位置,保证去雪效果的同时不会影响非雪花物体的细节。最后通过实验证明提出算法的去雪效果和性能。（4）公路车辆跟踪算法研究将Cam Shift滤波器和Kalman滤波器跟踪算法结合,对公路运动车辆进行跟踪,解决车辆目标被遮挡的问题和多车辆跟踪问题,经过正常数据集和雨雪天气数据集测试,证明算法可以很好地跟踪不同情况下的公路车辆。