交通信息采集系统是智能交通监控系统的重要组成部分,车辆检测和跟踪是保障交通数据采集能及时准确获取现场信息的重要手段。由于交通场景的复杂性和多样性,现有的用于交通视频序列检测算法的准确性和鲁棒性有待进一步提高,研究具有检测精度高并能处理复杂背景下的目标检测和跟踪算法具有重要意义。分析总结了交通监控中目标检测存在的难点问题,从算法原理、优缺点、实验效果等方面,对比分析了现有的一些常见解决方法。针对初始检测结果中存在噪声杂点和“空洞”现象,设计了一种基于图像形态学开操作、闭操作的运动目标检测后处理。建立了核密度估计分层背景模型和高斯函数数值表,利用高斯图像金字塔的高层淘汰虚假前景。针对监控路口存在摄像机抖动的情况,从建模过程和背景更新来设计算法,并利用时间因子精炼检测结果,同时根据时间因子的大小对背景模型采取不同的更新策略,解决了监控场景中存在运动的汽车停止下来融入背景的情况。最后将核密度估计分层背景减除算法与目前文献常用的算法进行测试对比,并作出算法的准确率曲线和误检率曲线,对算法性能进行定量评估。实验结果表明,该算法不仅能有效抑制摄像头抖动产生的噪声,并且能解决实际交通监控中存在的光线问题,节省了算法计算时间,同时检测灵敏度高。在分析高速球机的特点基础上,设计了基于球机的目标检测算法、基于面积重叠及颜色直方图匹配的跟踪算法和基于球机状态的间歇式球机控制算法,并实现了一个用于交通监控的PTZ球机的运动目标自主跟踪系统,该系统不需要摄像机的标定信息,仅依靠球机拍摄的视频图像,利用图像处理的知识实现对违章车辆的实时跟踪,并始终处于监控视野的中央区域。实验结果表明,该系统对自主跟踪的关键技术研究已取得了一定的效果,为自主跟踪系统走向实际应用打下了良好基础。