近年来,车辆违章行为引起的交通事故越来越多,因此用于检测违章车辆的行为分析技术已经成为一个研究热点。当前多数视频检测技术都是以图像分割为基础的,而在行为检测方面有更大优势的视频跟踪技术却因过多的时间消耗而被降低了实用价值。本文以实际工程应用为目的,对基于视频跟踪的车辆行为分析技术进行了研究,在现有研究成果的基础上,取得了具有创新性的研究成果。本文对Moravec角点提取算法进行了改进,改进算法通过计算当前点周围的区域之间的绝对差和来获得角点度量值,该算法可以提取出对环境变化不敏感的特征角点,而且效率提高了一倍。设计一种动态选择最优角点的算法,动态改变选择窗来选择最优角点,避免同一目标上选择多个角点。针对基本的匹配模板有大量平滑信息的问题,以基本模板的6/25的不平滑的区域设计新的匹配模板,并且在跟踪过程中根据车辆位置不同动态改变匹配模板。设计了一种快速匹配算法,利用Kalman滤波对预测位置进行预测,将搜索窗缩小到原来的1/4。根据已有轨迹的平滑程度,设计了两种不同的搜索策略,匹配运算次数减小到预测位置总数的1/2。相对于全搜索法,本文设计的匹配搜索算法效率提高了很多倍。设计了轨迹分析算法,实现了对车辆行为的分析。通过分析车辆运动矢量和道路正确行驶方向之间的夹角来检测车辆违章逆行事件；通过分析车辆位置变化来检测车辆违章变道事件；通过轨迹中运动矢量的变化获得车辆速度变化,来检测突然加速和突然刹车事件。本文设计的算法在高速公路、市内道路和隧道等交通场景中,在高噪声环境、光照差的环境、雾雪环境和摄像机抖动的环境等条件下进行了测试,测试结果表明,本文设计的算法在大多数条件下都可以稳定工作,事件检测准确度大于97%。算法效率能够满足实时检测的要求。