近年来,伴随着社会经济的发展,道路交通也迅速发展,从而造成交通环境相对复杂。为解决道路交通迅速发展所带来的各种问题,智能交通系统的研究被提到了重要位置,利用计算机视觉技术进行交通状况检测与信息采集已成为智能交通系统(ITS)领域中的一个重要课题。也就是在不破坏路面的情况下使用计算机结合图像处理、模式识别以及通信科学等学科知识获得交通信息、解决一系列的交通问题,比如缓解交通阻塞、提高道路通过率、以及高速公路的自动收费系统等。所以视频中车辆检测与跟踪的准确性直接关系到智能交通系统决策的正确性。因此,本文对视频车辆检测与跟踪方法中的关键技术进行了深入的研究,本文所进行的工作主要包括以下方面:传统方法的目标车辆检测、创新方法的阴影去除以及创新方法的车辆跟踪。具体内容如下:1.目标车辆的检测。目标车辆的检测使用常用的背景差分法获得运动目标,为了利用背景差分的方法需要要进行背景的获得。我们利用已有的自适应背景提取和更新方法获取和更新背景;接下来利用背景差分法、阈值化分割法以及形态学操作来检测出运动目标。2.阴影去除。本文提出一种自适应的加权高斯模型的阴影去除方法。从试验图像的视觉效果来看该方法较以往方法有效。3.车辆跟踪。本文提出了一种基于随机采样和彩色梯度的运动目标跟踪方法。试验图像数据表明该方法更具鲁棒性、实时性。