智能交通系统是计算机视觉技术、图像处理技术在交通领域中的应用，是目前世界各国交通运输部门正在研究和广泛关注的课题。其目的在于充分利用现有的道路设施资源，改善车辆、道路、行人之间的相互作用，从而全面提高交通的经济性。如何有效检测运动车辆、准确跟踪目标车辆、提高系统抗干扰能力是智能交通系统的重要研究内容之一。本文在总结和分析现有的基于视频的车辆检测和跟踪算法的基础上，针对存在的不足，提出了一种应用于城市主干道进行车辆检测与跟踪的新方法，通过实验验证了该方法的可行性。主要研究了以下几个方面内容：1、运动车辆的检测。本文先对视频图像序列进行预处理；然后重点研究了基于信息融合的背景自适应更新算法，该算法能根据光照变化和背景扰动的强度，自适应地调整背景更新速度；选用了Otsu阀值分割法分割出运动车辆的二值化图像；采用形态学滤波，对二值化图像进行先闭后开运算，消除图像噪声和“孔洞”；最后，重点研究了HSV色彩空间模型，提出了一种新的改进算法，有效减少了阴影的误检率，通过实验仿真验证了所提出方法的有效性和可靠性。2、运动目标车辆的跟踪。本文重点研究了SIFT算子的特点，结合实际运用情况，提出了简化SIFT特征度量的方法。提出了基于SIFT特征度量的Mean Shift跟踪算法。该算法首先利用简化后的SIFT算子计算跟踪目标附近的关键点位置和尺度。然后提取跟踪目标区域内所得关键点的方向特征向量，并利用其方向分布直方图表示运动目标。最后根据Bhattacharyya系数计算特征向量分布的相似度，并用Mean Shift算法对目标进行跟踪。实验结果表明该算法可以在运动车辆出现尺度变化和旋转时得到较好的跟踪效果，并对噪声干扰、光照变化、遮挡具有很强的适应性，算法鲁棒性好。