本论文的主要工作是研究交通场景下的车辆跟踪问题，并提出了一种基于投影轮廓模型的遮挡检测算法和基于Retinex理论和图像融合技术的夜间图像增强算法。 车辆跟踪算法本质上是一个多目标跟踪问题，本文在介绍了CAM SHIFT算法的基础上，针对这种算法只能用于单目标跟踪的缺陷，对算法进行了改进，把这种有效的跟踪算法成功的运用于交通场景下对车辆跟踪。车辆之间的遮挡一直是车辆跟踪中一个难以很好的解决的问题。本文针对特定的采集角度下视频中存在的车辆遮挡问题，运用投影几何原理，根据摄像机和运动目标之间的位置关系，对被跟踪目标的几何形状进行建模，提出一种基于几何轮廓模型的遮挡检测算法，从而确定被跟踪目标的成像区域范围。 夜间场景下的交通车辆跟踪是全天候交通监控的重要组成部分，夜间交通场景进行视频数据采集时，由于光照不足和车辆灯光噪声的影响，导致图像曝光不足，整体上亮度分布不均匀。这些问题使采集到的视频图像清晰度不高，无法用以直接的车辆跟踪，针对以上问题，本论文提出了一种基于Retinex理论的图像增强算法，这种算法首先采用不同的增强参数，根据Retinex增强算法对图像进行增强，然后对增强的结果采用基于小波的图像融合方法，进行图像的融合处理，经过处理后的图像数据，对比度有了较大幅度的提高，图像中车辆目标的清晰度也有了较大的提升，图像能够适应跟踪问题的需要。