随着计算机视觉技术和图像处理技术的迅速发展，基于实时图像处理的视频测速成为了智能交通领域又一研究热点，而运动车辆的检测与跟踪是智能交通系统的核心内容。本文研究的是利用图像处理技术对高速公路上视频监控图像进行处理和分析，提取运动车辆的速度信息，目的是改进实时车辆速度的采集手段，为道路交通管理提供更为有效的数据，提高交通管理技术水平。　　 本文把测速问题划分为行驶距离的测量和行驶时间的测量。对于距离的测量，根据平面的单应性，本文提出了一种利用车道标线进行平面映射的摄像机标定方法。以道路平面上的标线坐标与图像平面的标线坐标为对应点，根据摄像机成像原理简化模型，并利用霍夫变换提取标线端点，实现了图像平面与道路平面的映射关系。该方法与传统摄像机标定法相比不需设置复杂繁琐的标定物，具有更好的实用性和适应性。　　 在运动目标检测模块中，重点研究了自适应混合高斯背景建模算法，针对基于混合高斯模型背景差分法对光照突变敏感的问题，提出了背景差分法与三帧间差分法相结合的运动目标检测算法。首先利用当前帧与混合高斯模型建立的背景模型差分，快速检测出运动变化区域。然后，通过与设定的阈值比较，判断场景内是否发生光照突变。场景中若未发生光照突变，采用混合高斯模型背景差分法提取运动目标;若发生光照突变，则采用三帧间差分法提取运动目标。实验结果表明，在光线发生突变情况下，本文提出的算法同样能够取得较好的检测效果，具有很强的适应性和鲁棒性。　　 在车辆跟踪模块中，本文采用基于车辆匀加速运动假设的Kalman滤波器跟踪模型，算法具有简单实用、计算量小、适应环境变化能力强等特点，取得了比较理想的跟踪效果，为后面准确测速提供较好的保证。　　 本文还应用相邻帧计算法对车辆跟踪点进行拟合，进一步提高了测速的精确度。实验结果表明，本文提出的方法能够满足实际系统的要求。最后，本文还提出了视频测速系统的设计方案。