视觉信息在人感知世界的能力中扮演着极为重要的角色。随着人们个人意识的提高对生命财产的重视,使得安防意识越来越深入人心,生活实践中对视觉信息的处理也显得越来越重要。在军事上,如果能够对敌对目标进行更好的探测与追踪不仅可以及早发现异常情况,极大地提高军队的远程打击能力,更可抢占战场上的主动权；在民用上,如果能加强对智能小区中行为异常者(如醉酒者、行窃者、非法入侵者等)的监控,可以更好地保障人们的生命财产安全。运动目标的检测和跟踪是与人们的生活密切相关的较为重要的研究课题。其算法的研究具有很大的实用价值,而本文就是运动目标检测跟踪的一个具体应用——基于单目视觉的车辆检测与跟踪。本文是基于单目视觉的高速公路上的运动车辆的检测算法和跟踪算法的研究,主要工作如下：(1)跟踪图像预处理：利用图像增强的方法先对采集到的视频图像进行预处理,以提高后续的车辆检测、跟踪阶段时的待处理的视频监控的图像质量,减少后续工作的复杂度和工作量。首先分析了数字图像处理中图像增强的两种常用算法—一直方图均衡化法和灰度拉伸算法,又分析了小波变换。提出了利用直方图均衡化和图像灰度拉伸方法再结合小波变换对图像进行预处理,以得到质量有较大改善的视频图像。(2)车辆检测：本文提出了一种新的背景获取方法——不完整背景累加平均法。先提取出背景,再利用背景差分法检测出高速公路上的运动车辆,然后对所得到的图像(此时为背景差分图像)进行阈值分割,得到相对应的二值图像,最后再结合形态学滤波和标记算法去除图像中的小碎块,以便更好的提取车辆运动所导致的图像变化的区域。试验结果验证了该方法能简单有效的检测出运动车辆还能快速的获取背景。(3)车辆跟踪：首先采用卡尔曼滤波的方法对运动车辆在下一帧视频图像中的位置进行预测,然后根据运动车辆的特征在其邻域内进行搜索找到最佳匹配,即可得到目标所在的位置。本文所采用的是卡尔曼滤波运动预测与特征匹配相结合的目标跟踪方法,经试验表明,能有效地对目标进行跟踪,达到跟踪运动目标无丢失的精确程度。