近年来，随着经济的快速发展和车辆的日益增加，道路交通状况的日益严重。为了改善交通控制的问题，基于视频的智能交通监控系统已逐渐成为当前研究的重点和热点问题。基于视频的交通监控是综合了图像处理、计算机视觉、模式识别等多学科的技术，有广阔的应用前景和重要的研究意义。运动目标的检测和跟踪是其至关重要的核心部分和难题，是后续处理的基础。　　 本文以摄像机获取的交通场景视频为研究对象，针对车辆的检测、阴影的消除、遮挡的处理、车辆的跟踪等关键问题进行了分析研究。研究主要包括以下方面:基于自适应背景更新方法的混合高斯背景模型检测运动目标，有效地实现了背景的实时更新;阴影会给后期处理带来干扰同时阴影的存在会导致多个运动目标粘连在一起，影响目标的识别和跟踪;在跟踪过程中会出现目标之间部分遮挡和完全遮挡的情况，对目标跟踪的可靠性造成很大的影响。本文利用基于色度、亮度、纹理这些阴影特性初步获得去除阴影的前景，又结合此粗略前景图的像素密度对自身进行修正，获得较完整的车辆区域，此时车辆与本影交界处的轮廓参差不齐，因此本文又采用了阴影边界分割的方法，有效的消除了车辆的阴影并使车辆轮廓尽可能完整;针对目标跟踪中存在的部分遮挡问题，本文提出了基于轮廓凹性分析的方法，对轮廓的凹点按一定准则进行筛选，并标记凹点的方向，从而选择此方向的最优分割线对部分遮挡车辆进行分割。而针对目标跟踪中的完全遮挡可采用推理模型来解决;最后采用基于Kalman滤波器的跟踪方法对下一时刻车辆的位置进行预测，缩小了搜索范围，提高了匹配速度，从而实现了运动车辆的实时有效跟踪。通过城市快速路视频的测试，验证了本文算法的正确性和系统的可行性，满足交通视频监控系统的实时性、智能性和稳定性的要求，达到了预期的研究目标。