随着我国城市化进程的不断加快，尤其是二十一世纪以来的几年，城市公路交通系统的压力不断加大。因此，基于计算机视觉技术的智能交通系统的重要性日益显著，其核心技术是在静止相机拍摄的图像序列中进行运动车辆检测与运动车辆跟踪。本文主要研究了车辆检测与跟踪问题中的几个关键技术。这些技术可以有效的提高车辆检测与跟踪的性能。本文的主要研究内容概括如下：　　 1．研究了在摄像机固定情况下的运动目标的检测问题，采用基于颜色空间的运动目标检测算法，该算法在背景建模阶段对已有的中值法进行了改进，在前景目标提取阶段，在传统的背景差分法基础上加入颜色信息，有效改善了由于背景与前景灰度相差不大而造成前景目标内部空洞的现象；使用了一种新的背景更新算法，该背景更新算法以原背景和当前帧的线性组合来计算新的背景模型，而权值以最近三帧的差来自适应确定，该算法可以用来自适应的不断更新背景图像，能够适应复杂的光照条件和目标移动情况。　　 2．提出了一种基于车道检测的车辆检测方法，将通常运用于车载系统的车道线检测技术运用于环境较复杂的交通路口车辆检测系统，为车辆检测自动划分感兴趣区域，大大降低了车辆检测的计算量。　　 3．阴影的存在会直接影响车辆分割的效果，因而阴影检测和抑制是交通视频检测中的一个关键问题。本文分析总结了阴影检测的基本假设和一般框架。讨论了国内外目前主流的阴影检测与抑制算法，指出了这些方法用于去除目标阴影时存在的问题。针对车道视频对实时性要求高的特点，利用阴影空间的特征进行阴影检测及抑制。　　 4．采用了Kalman滤波器模型来预测车辆的运动状态，并将预测的结果应用于车辆跟踪算法中。