视频检测是智能交通中基础和重要技术之一，车辆跟踪又是视频检测的重点和难点，本文围绕着复杂环境下运动车辆跟踪过程中遇到的光照变化、运动阴影以及车辆遮挡等问题进行了研究，主要包括以下几个方面： （1）动态背景更新研究。分析了常用的背景初始化和背景更新方法的特点，针对传统背景更新方法中对于光照变化的响应和车辆经过后路面灰度的恢复互相矛盾的问题，研究了一种基于运动掩码的自适应背景更新方法。与传统方法相比，这种方法在背景更新过程中，使背景始终保持一种稳定良好的状态，即使在车辆较多、交通环境较复杂的环境下，也能得到较好的背景。在该方法中，还对光照变化进行了研究，加入光照修正参数，使算法对光照的响应速度显著提高。 （2）运动车辆阴影消除算法研究。介绍了几种常见的运动阴影检测算法，并借助实验讨论了基于RGB色彩空间和HSV色彩空间的阴影检测算法的局限性，在此基础上提出了一种基于边缘信息的运动车辆阴影消除算法，该算法考虑了运动阴影与目标车辆的边缘、纹理等信息，能有效去除目标大部分阴影，且不影响目标本身，使车辆检测更加准确。 （3）遮挡情况下车辆跟踪算法研究。采用基于马尔可夫随机场模型处理视频图像序列，提高了遮挡情况下车辆跟踪的效果，并分别采用模拟退火算法和条件迭代模式算法对车辆标号进行优化，分析了这两种优化算法的跟踪效果以及时间性能，实验证明条件迭代模式能得到与模拟退火算法相似的优化结果，且在时间性能上更有优势。