随着社会的不断发展以及城市化进程的加快,城市道路交通的拥堵成为当前世界各国普遍面临的问题之一。为了实现交通管理的最优化,近年来对智能交通系统的研究成为国内外的一个热点。车辆检测与跟踪技术作为交通监测系统的一个重要组成部分,因而也成为一个重要的研究内容。本文基于视频监控对车辆的检测和跟踪进行了实现,设计了一个多车辆的自动检测和跟踪系统。本文总体上包括三个模块：检测模块、触发模块和跟踪模块。检测模块研究了现阶段基于视频的主要运动目标检测算法,对光流法、帧间差分法、背景差法等进行了分析和仿真效果的比较。研究了单高斯模型中的背景建模,提出了一种“防欺骗机制”来防止前背景点的误判,有效的了抑制单高斯模型中的“拖尾”、“脱壳”现象。同时提出了一种改进的高斯背景建模方法来提取车辆前景信息,有效的抑制了光照突变等因素造成的前景误检,从而减少了对后续模块的干扰；触发模块用于衔接检测模块和跟踪模块,通过预设虚拟区域,针对灰度变化的特点来捕获区域内平均灰度的局部峰值,进而锁定经过的车辆目标,实现运动车辆的自动捕获；跟踪模块的设计基于Mean Shift算法来实现,引入了卡尔曼滤波来预测迭代的起始点,减少了计算量,同时通过试探法自适应调整核函数窗宽,对跟踪窗口大小进行了动态调整,从而能更高效的实现准确跟踪。本文着重改进了车辆前景检测和跟踪算法,同时提出了一种基于虚拟区域灰度变化的触发算法,最终基于OpenCV对整个车辆检测与自动跟踪系统进行了实现。多次实验表明其高效的实现了检测和跟踪模块的衔接,很好的完成了多目标的自动触发跟踪,证明了本文设计方法的实用性。