伴随着经济的快速发展，车辆迅速增多，交通压力日益增大，如何改善交通状况成为各国的重要问题。智能交通系统在这种背景下得以迅速发展。基于视频的智能交通系统中，图像处理技术是利用数字图像处理与计算机视觉相结合的方法，获得智能交通系统所需要的信息。运动车辆的提取和检测是基于视频的智能交通系统的基础，它在交通监视和控制中占有很重要的地位，直接影响到后续一些工作的难易程度和准确度。本文针对目前车辆提取和检测中存在的几个难点问题分别进行了研究。　　 1、本文所采用的运动车辆提取算法是基于背景差分法，因此背景的精确度将会影响到我们运动车辆提取的精度。首先，对基于像素灰度出现频率的最大值建立背景的算法进行改进，建立初始背景。通过改进算法建立初始背景，有效地消除均值背景中的模糊问题、解决了把运动速度缓慢的物体误判为背景的问题，较之改进前算法，也大大减少了运算量。　　 2、为了使背景能够反映交通环境和自然环境的变化，必须对背景进行实时更新。接着，本文采用一种基于对称差分的自适应背景更新算法对背景进行实时更新。该算法先通过对称差分把背景图像分为运动车辆区域和背景区域两部分，对背景区域进行修正，然后对修正后的背景和当前帧加权平均。最后根据平均光照变化幅度来决定是否对修正后的背景、下一帧和平均光照变化幅度进行加权平均，得到更新的背景。实验结果表明，该算法更新出来的背景确实能够反映环境的变化，如光照突变等，为准确提取运动车辆提供了保障。　　 3、在车辆提取章节中，对影响车辆提取的一些因素(漏检、噪声、阴影)都进行了讨论并提出了解决方案。实验结果表明提取出来的车辆效果良好。接下来给提取出来的运动车辆加外接矩形框，并在此基础上统计当前帧图像中的瞬时车辆数目。　　 4、在车辆提取的基础上，改进了一种基于特征模板匹配的运动目标跟踪算法对运动车辆进行跟踪，并对运动车辆跟踪进行了仿真实验。