复杂的交通车辆监控场景，特别是夜间监控在智能交通系统的研究课题中是一个关键部分。在平常和雨雪道路上，由于汽车前灯的反射光使背景产生极大的改变。在黑暗的环境下，汽车头灯和尾灯被用于前景提取。本文提出了一个新颖的方法，能够在白天与黑夜场景中；分别采用各自相应的算法实现多个交通车辆的速度的实时估算。　　 在白天的交通场景，算法执行需要这样几个步骤：第一，通过在指定的几帧中计算均值实现对视频背景的估计；第二，在背景像素和当前的像素之间应用模糊相似度方法(FSA)实现前景的提取；第三，通过最大后验概率(MAP)估计子实现前景像素的跟踪和车辆的速度估算。　　 在夜间交通场景，本文提出的算法实现检测、配对和跟踪前灯和尾灯这几步。首先，前灯通过方位模糊的新颖方法自动提取，该方法的提出是基于反射光的指数衰减性质。该方法由于能够使车前灯正交于反射光，使得它可以鲁棒性的应用在高反射光场景。通过把图像划分成9个子区域，使得在每一个子区域中的同一辆车的两个前灯保持等距，以此方法它们被准确配对。　　 基于卡尔曼滤波器把跟踪器进行优化，进行进一步分析，如速度估计。整个系统在MATLAB嵌入式Simulink模块中实现，其运算量很小。因此该系统可以直接嵌入在特定应用集成电路(Application Specific Integrated circuits)ASICs中。本文提出的方法应用在20多个交通视频场景中，在无路烀交通场景追踪中，它的成功率超过97％。