智能交通系统(ITS: Intelligent Transportation System)是一种在大范围、全方位发挥作用的,实时、准确、高效的综合运输和管理系统,它通过运用先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理等技术,对整个交通运输管理体系进行准确、有效、安全地监控和管理。车辆的检测与跟踪是智能交通系统中最核心、最关键的技术之一,这项技术的性能优劣直接关系到整个系统能否有效地运行,因此车辆检测和跟踪技术的研究对智能交通系统具有重要的意义和价值。本文首先采用一种适用于复杂交通场景的多层次背景模型提取算法提取出背景,该算法具有快速准确的特点;然后采用一种用于车辆检测的选择性背景更新方法,可以有效地处理光照变化等因素引起的背景缓慢变化以及背景局部突变的问题,并具有良好的实时性。其次,对于车辆检测,本文首先去除车辆阴影,然后利用上述算法提取的背景,采用一种改进的对称差分法和背景帧差相融合检测车辆运动区域,并使每一个运动目标成为独立的连通域,最后采用改进的两次扫描法分割目标车辆,并在此基础上进行种子填充,解决由于车辆表面与路面灰度接近而产生的运动目标“孔洞”问题,进而得到更准确的车辆检测结果。该算法可以适应各种复杂的交通道路场景。最后进行车辆跟踪。本文使用模板匹配的方法实现对车辆的跟踪,在该算法中引入几个参数描述车辆的整体特征(如运动目标的质心,长宽比等)来建立匹配模板,实现下一帧车辆的匹配,并在匹配完成后实时更新模板,为下一帧的车辆匹配做好准备。在匹配过程中针对车辆间互相遮挡的问题,采用一种基于匹配的方法分割遮挡目标,以使车辆匹配取得更好的效果。整个算法需实现在DSP上的高效运行,本文最后结合TMS320DM6437嵌入式系统介绍了算法的优化方法,包括编译器选项优化、少使用函数调用、编写汇编代码和EDMA乒乓操作等,并通过统计算法时间性能的方式测试优化效果。实验结果表明,优化后的本文算法具有较好的实时性和稳定性。