随着我国经济增长,能否提供高效快捷的交通环境越来越成为制约一个城市发展的关键因素。在不改变现有的硬件设施基础上,使用ITS交通系统对交通进行管理和规划是最有效的方法。交通信息实时采集可以有多种方法,其中基于视频的方法是近年来的热点。但是由于道路环境的复杂性和多样性,如何保证交通视频监控的精确性和实时性给研究人员带来了很大的挑战。　　 本文主要从两个方面进行研究:第一,为了确保视频监控系统的准确性,很好地去除跟踪过程中车辆相互遮挡和道路周围复杂环境的影响,对监控系统中的运动目标的跟踪算法进行研究。第二,为了保证视频监控系统的实时性,采用专用的信号处理芯片。TMS320DM642平台来实现视频监控系统,主要对系统的优化进行研究。　　 运动车辆跟踪:分析了传统的斑块跟踪和Mean-shft算法,提出了基于颜色直方图的Mean-shft和Kalman滤波器相结合的跟踪系统。基于斑块的跟踪算法速度快,但是不能解决跟踪过程中的遮挡问题和道路环境复杂的干扰。传统的Mean-shft算法也不能解决好快速运动目标的问题,所以本文利用Kalman对Mean shift车辆跟踪器的输入进行预测,同时对跟踪器的输出进行滤波能够很好的提高系统的准确性。最后对三个算法进行了比较。考虑到嵌入式应用,兼顾系统的实时性和准确性设计了一个利用三个算法各自优点的跟踪系统。　　 目标多特征融合:传统的Mean-shift算法选取目标的颜色直方图作为跟踪的特征值,这种算法适用于所有通用的待跟踪目标。但是为了提高车辆跟踪的准确性,本文除了选取车辆颜色信息作为跟踪特征外,还利用车辆的空间形状信息作为跟踪特征,而且利用了一种多线索融合机制来更准确的跟踪车辆。　　 DSP系统实现:为了实现交通信息的前端采集处理和确保系统的实时性,本文采用专用的信号处理器DM642来实现整个视频监控系统。首先是嵌入式的驱动设计,然后是嵌入式操作系统中多任务的规划,最后是关键的代码优化,保证程序的实时性。