智能交通系统（ITS）是指将计算机视觉技术、图像处理技术和移动互联网等新一代信息技术应用于交通领域而形成的交通服务体系,并且受到了越来越多的瞩目。智能交通系统可以有效缓解交通拥堵,降低事故发生率,同时提高交通资源的利用率。车辆的检测与跟踪是智能交通领域重要的研究课题。通过对车辆的检测与跟踪,可以得到车辆的相关信息,这些信息既可以为后续对车辆进行辨识和动机判断提供样本,也可以作为向车辆驾驶者提供导航、救援等服务的依据。因此,对车辆进行实时和稳定的跟踪就变得非常有意义。检测和跟踪是完成车辆跟踪过程必不可少的两部分,车辆检测模块用于获取目标车辆的初始信息,车辆跟踪模块得到这些信息以完成后续的跟踪。目前,车辆检测与跟踪算法面临目标遮挡、目标尺寸变化、复杂场景等诸多问题。本文在研究现有算法的基础上,提出了相应的改进,设计并实现了车辆检测与跟踪系统。论文的主要工作如下:（1）分析了背景差分法、帧间差分法和光流法等典型的运动车辆检测算法的原理及优缺点。提出了基于背景自动更新的背景差分车辆检测算法,通过对背景的不断更新,解决了传统背景差分模型容易产生漂移的问题。（2）研究了 Mean Shift、粒子滤波等车辆跟踪算法,总结了各个算法的适用性,分析了基于检测的TLD（Tracking-Learning-Detection）跟踪算法。针对TLD算法的检测模块在产生样本时扫描范围过大的问题,引入了卡尔曼滤波对目标检测区域进行预估。TLD算法的跟踪模块在跟踪目标上均匀地生成特征点,难以确保每个特征点都能被持续稳定地跟踪,容易造成跟踪漂移,针对这个问题,引入了 Harris角点检测来提取关键点。（3）设计了车辆检测与跟踪系统,车辆检测模块采用了基于背景自动更新的背景差分算法,车辆跟踪模块采用了结合卡尔曼滤波与Harris角点检测的改进TLD算法。（4）在MATLAB2015b与Visual Studio 2013平台下,调用OpenCV视觉函数库对系统进行了编程实现。通过与原始的TLD算法进行对比,改进后的TLD算法表现了更好的实时性和跟踪精度。