运动目标的检测与跟踪是数字图像处理领域的重要研究课题之一，是近年来备受关注前沿领域，被广泛的应用于智能监控系统、运动分析、目标导航等军事、工业和生活中的众多方面。　　本文研究的主要内容是视频桩考系统中运动物体的检测与跟踪技术。通过对视频序列图像的实时分析来完成对场地中考试车辆的定位、识别和跟踪，并在此基础上判断和分析车辆的运动特点，给出汽车的运动轨迹。通过判断汽车的实时运动方向并结合红外传感器中的信号判断考车有无违规，从而确定考生是否合格。主要是从以下三个方面来对运动目标的检测和跟踪进行研究：　　在图像的预处理方面，总结了当前常用的图像去噪方法，根据视频桩考系统的特点采用自适应中值滤波的方法消除图像噪声，并同时达到保留图像边缘信息和细节的目的。　　在运动目标检测方面，在对几种常用的运动目标检测方法进行分析和比较的基础上，采用了基于背景差法的Surendra背景更新模型，并通过当前帧与背景帧相减的方式提取运动目标区域。对于检测过程中的阴影问题，提出采用融合HSV彩色空间和梯度特征的方法来检测和消除阴影；并通过数学形态学Blob分析的方法来进一步的精确获得运动目标位置信息和特征信息。　　在运动目标跟踪方面，基于视频桩考系统的自身特点和运动目标检测过程中所得到的目标位置和特征信息，采用寻找质心的方法来达到对运动目标的跟踪以及给出目标的实时运动轨迹。　　通过实验证明，文中所用方法能够较好的完成对于运动目标的检测、识别和跟踪的工作。将数字图像处理技术引入驾驶员桩考系统，能够有效提高考试的公平性和准确性。