基于视频的高速公路车辆检测与跟踪在智能交通系统中有着至关重要的作用。车辆的检测与跟踪是对视频中的运动车辆进行识别、提取,然后对车辆的运动轨迹进行跟踪。研究更好的检测与跟踪算法,既能提高检测的效率与准确率,也能提高视频分析效率,还能为后续研究做准备。本文首先对实验环境进行了详细的介绍,通过已有的高速公路视频提取帧,为运动车辆的检测与跟踪做好准备。在对运动车辆检测算法进行分析研究的基础上,论文重点研究了帧差法、背景差法,通过帧差法与背景差法相结合的方法,帧差法可以弥补背景差法对光照强度变化敏感的缺点,也不会对阴影问题造成多大影响,背景差法则可以弥补帧差法不能完整的提取出目标图像相关点的问题,对背景进行动态更新,从而实现多邻近帧融合的彩色静态背景提取。对于跟路面颜色相似的车辆提取不完整问题,通过区域增长实现车辆的完整分割检测。由于车辆本身的阴影会影响到实验结果,本文对车辆自身阴影进行了阴影消除;根据阴影与路面相比灰度差值不大、车辆区域纹理远比阴影区域丰富、车辆区域梯度值也远大于阴影区域的特点,可通过多尺度小波变换实现阴影的去除。在对运动车辆跟踪算法进行分类研究后,对于车辆的跟踪算法,本文采用的是一种基于车辆运动空间变化特征的匹配,在视频每一帧中,车辆最复杂的车头区域特征基本上没有发生改变,对得到的差分图像进行梯度变换,之后再采用多尺度动态小波变换的方法来定位车头的复杂区域,对相邻两帧中车辆行进的方向与距离进行判断,获得每一帧中的各汽车的位置坐标后,得到一个坐标系列,记录该车所经历的各帧中的位置坐标,绘制车辆运行轨迹。本文是以高速公路的运动车辆为研究对象,在Windows操作系统下,通过C++结合OpenCV编程实现对运动车辆的检测与跟踪,对拍摄到的高速公路车辆行进视频进行测试,结果表明该方法具有较高的准确性与实时性。