机器视觉是多学科的交叉与结合，既是一门科学学科又是一门工程学科，运用机器视觉和数字图像处理技术，探讨机器视觉技术在驾驶员桩考系统中的实现方法，这对机器视觉技术方法研究和实际应用具有一定的价值。本文以驾驶员桩考系统为研究对象，采用图像处理技术和机器视觉理论方法，研究如何在熟悉或不熟悉环境条件下检测和识别出运动目标，自动跟踪和测量所监控运动的车辆目标。1、提出了一种序列图像帧差分和二次帧差分的改进HIS差分模型，采用自适应运动目标区域检测、阴影部分分割和噪声消除算法，在无背景图像条件下自动提取运动目标区域。2、依据先验知识，定义运动目标的特征，计算分析和特征匹配识别所需跟踪目标，并提取跟踪目标区域重心点的三维坐标值。3、对运动目标状态采用Kalman预报器进行一步预测估计和两步增量式跟踪算法，快速平滑的实现移动机器人对运动目标的跟踪驱动控制。4、采用Hough变换获得场景中的考场区域直线段与汽车边框的相对位置信息，从而对驾驶员桩考过程做出评判。在Windows环境下设计了系统整体功能框架和软件算法，实验证明，该方法对移动目标的提取识别与跟踪具备不易受干扰和快速的特性，效果良好。可有效地提高驾驶员桩考的公正性和准确性。