目前，智能交通系统是计算机视觉领域的一个重要研究方向和热点。随着计算机视觉的不断发展，智能监控技术也在不断的走向成熟，其中主要包括车辆目标的检测、跟踪、行为理解和车牌识别等方面，这也是车辆监控系统自动化、智能化的关键。探索能够面对海量交通视频数据，自动提取出感兴趣的信息，实现监控视频的智能化是当前急需解决的问题。　　 近年来，随着嵌入式技术的飞速发展，基于ARM核的RISC处理器性能的逐渐提高，可以满足交通视频数据的处理、传送，实现在线车辆监控。本文首先分析了常用的车辆目标检测技术，并根据嵌入式系统特点，选择背景差法作为目标检测的算法。对于目标跟踪部分，本文重点研究了基于卡尔曼滤波的目标跟踪算法，通过目标特征的匹配，来确定其运动轨迹。　　 在车牌识别方面，本文根据嵌入式的需求提出了一种基于区域特征的车牌定位算法，该算法充分考虑了车牌的边缘与区域特征，通过实验得到了满意的定位效果，且在嵌入式环境下影响识别率不大的基础上，得到了较好的实时性。在字符分割部分，分析研究了基于模板匹配与垂直投影相结合的车牌字符分割方法，该方法充分考虑了车牌的结构特征，具有鲁棒性强、切分准确率高的特点。　　 综合上述研究，本文设计了一种基于ARM的嵌入式车辆监控系统，系统由基于嵌入式平台的车辆监控前端和基于PC机的监控中心组成，监控前端完成车辆的检测、跟踪和车牌识别等技术，并将处理斤的信息通过网络实时地传输到监控中心显示并存储。系统运行效果良好，能够验证本文所研究算法的可行性和有效性。