本文以智能道路视频监测系统中运动车辆的检测与跟踪为研究对象，对运动车辆检测中的背景更新、阴影抑制、车辆跟踪算法，以及交通流参数检测和交通事件检测和预测等一些难点问题进行了深入的分析研究，开发了一个鲁棒性强的运动车辆检测与跟踪算法。本文主要内容如下： 1．研究了在摄像机固定情况下的运动目标的检测问题，应用背景差分法来检测运动目标，并使用背景更新算法来对背景进行动态更新，该背景更新算法以原背景和当前帧的线性组合来计算新的背景模型，而权值以最近三帧的差来自适应确定，该算法可以用来自适应的不断更新背景图像，能够适应复杂的光照条件和目标移动情况。 2．阴影的存在会直接影响车辆分割的效果，因而阴影检测和抑制是交通视频检测中的一个关键问题。本文改进了一个基于纹理的阴影检测算法，该算法利用基于匹配跟踪(MP)图像稀疏分解方法来检测阴影。 3．采用了Kalman滤波器模型来预测车辆的运动状态，并将预测的结果应用于车辆跟踪算法中。对可能存在的车辆遮挡问题，本文利用关联矩阵来判断车辆目标之间遮挡和合并的情况，并针对不同情况进行不同的处理来进行车辆跟踪。 4．在车辆跟踪的基础上实现交通流参数和交通事件检测，并利用车辆轨迹与车速评价行车安全性，对潜在的交通事故给予提示告警。