夜间城市道路使用远光灯的行为导致了巨大的交通安全隐患,智能化监控是管理车辆违规使用远光灯的重要手段。本文的主要内容为采用机器视觉技术融合多目标跟踪与证据链取证的夜间远光灯检测,通过对夜间车辆的检测与跟踪,获取车辆坐标,关联每帧图像中车灯光晕范围数值,建立车辆信息证据链,支撑对远光灯的判定。本文的主要内容如下:（1）对本文课题的研究背景以及意义进行了阐述,对目标检测的国内外研究现状进行了分析,对基于深度学习的目标检测网络进行了分析与对比。采集夜间城市道路车辆图像,构建本文所使用的夜间车辆数据集,同时,分析对比多个深度学习领域检测器的性能,选择适用于本项目的夜间环境车辆检测器,并通过夜间车辆数据集的实验进行检测器的性能验证;（2）对检测器检测夜间车辆时所出现的检测框位置偏移、宽度不足等问题进行分析,并针对性的提出一种基于传统图像处理的车灯检测方案,检测出车灯并进行车灯配对,生成车灯检测框。通过传统图像处理对车灯进行检测,获取车灯位置坐标与车灯检测框宽度,对基于深度学习的检测器所生成的车辆检测框中心点坐标及检测框宽度进行修正。同时在图像中划分出感兴趣区域,只针对区域内的车辆进行检测,提升深度学习目标检测器的检测精度;（3）为支撑车辆远光灯行为的判定,本文建立了车辆专属证据链,与车辆图像的连续帧相互对应,存储车辆每一帧的位置坐标、车辆灯光光晕范围数值以及车辆检测框内的车辆特写图像,为远光灯的判定计算模型提供可直接读取的数据信息,为远光灯判定提供图像证据;（4）为判定车辆远光灯行为,本文提出了可用以判定远光灯的光晕范围大小指数和光晕变化指数及其计算方法,并进一步提出灯光强度指数,对光晕范围大小指数和光晕变化指数进行数据融合,增加数据差异,使远光灯与近光灯的数据特征区别更大,便于远光灯的判定,提升了远光灯的判断准确率。