随着社会经济的发展,交通需求的增加,由于交通供给不足和自然资源的制约,城市交通出现了交通拥堵、交通安全、环境污染等问题。这些问题的解决不能单纯的通过增加交通供给、交通限制来实现,必须以全方位的、智能的交通管控来予以解决。进行智能的交通管控,则必须进行交通数据采集。车辆识别是众多交通数据,如交通流量、违章信息等的基础,因此进行车辆检测和跟踪是实现智能交通管控的前提条件。由于夜间光照不充足,车辆的结构特征、颜色特征难以获取,加上晚上路灯、车灯等产生的各种反光,夜间道路环境复杂,这都使得夜间车辆的检测和跟踪非常困难。本文围绕夜间道路、车辆特征、车辆检测和跟踪展开如下工作:1)研究夜间道路特性,夜间道路因来车影响,图像局部强度会产生剧变,同时由于车灯强弱不一,颜色也会有较大的差异,在统计分析的基础上本文提出了一种基于统计帧差法进行图像处理,能有效地消除局部光照、颜色突变的情况,为后续的背景建模打下基础;2)针对夜间道路存在反光等情况,本文使用高斯混合背景模型构建道路的夜间背景模型,在此基础上用背景减法提取运动车辆;3)研究车辆夜间的特征,提出了基于颜色和形状的尾灯特征,针对HIS空间中H在低照度和高照度区颜色属性识别不好的情况,采取RGB空间中R、G、B的联合差来表示颜色,有效的识别尾灯的颜色。4)基于提取的车辆区间,使用mean-shift跟踪方法对车辆进行跟踪,实现车辆的行驶轨迹的识别。5)为了提高系统的运行效率,实现系统的实时监控,引入了虚拟线圈的概念,通过虚拟线圈的触发,大大减少了算法的运算量。