随着图像处理技术、人工智能技术以及机器视觉理论的发展，多目标的检测与跟踪技术在视频监控领域得到了广泛的应用。论文首先介绍了课题的研究背景和意义，在混合高斯背景模型的基础上，研究多目标检测与跟踪算法，实现违章车辆检测。论文主要围绕背景建模、目标检测、阴影消除、多目标跟踪和违章车辆检测五个方面展开。　　 针对混合高斯背景模型对动态背景敏感的问题，给出改进的建模方法和基于背景差分的目标检测方法，用粗细两种判断尺度对当前图像与背景图像的相似程度进行比较。仿真结果表明，与经典混合高斯背景模型相比，本文模型对动态背景具有更好的抗干扰性，检测出的运动区域完整、清晰。　　 对伴随目标的运动阴影设计基于边缘信息的阴影消除方法，通过目标重构提取阴影区域。仿真结果表明，该方法能够有效地消除阴影对目标区域的影响，实现多目标的正确分割。　　 考虑到交通监控场景的复杂性，采用卡尔曼滤波估计目标状态，给出基于关联矩阵的多目标跟踪算法；研究基于部分观测的目标跟踪算法，解决目标互相遮挡情况下的跟踪问题。仿真结果表明该算法能够很好地满足复杂交通环境下多目标跟踪的要求。　　 将多目标检测与跟踪方法应用于违章车辆检测，对目标闯红灯和逆行行为进行判断和处理。仿真结果表明该算法能够准确判断目标的违章行为，误检率低。