随着全球经济的发展,汽车用户与日俱增,给城市交通带来巨大压力,无论是发达国家,还是发展中国家,都面临着日益严重交通状况带来的巨大考验。过去解决交通问题的传统办法是修建道路,但随着人口的增长,使得可供修建道路的空间也越来越少。同时,交通系统是一个复杂的综合性系统,因此把道路和车辆综合起来考虑,利用高科技手段来解决交通问题的想法就由然而生。其中,基于视觉的车辆检测与跟踪技术是智能交通系统的关键技术。本文主要工作有:(1)对贪婪算法的Snake模型进行深入研究,通过增加新的控制能量,改变控制能量系数的符号,来改变Snake曲线的运动方向,同时通过动态蛇点分配以及权值参数的调整,在因物体遮挡而造成阴影使得初始轮廓无法理想获取的情况下,也能准确的收敛。(2)通过对Kass等提出的Snake算法的模型、Williimas和Shah的Snake模型(即贪婪算法的Snake模型)以及GVF Snake模型进行对比,分析研究了各个模型之间的优缺点后,选定贪婪算法的Snake模型,通过广义霍夫变换即Ghough变换,使用多个模板,根据设定的参数,先将目标模板形状进行仿射变换,然后对变换的每个模板形状进行Ghough变换,再从中找出最匹配的作为检测的结果,来获取Snake初始轮廓。解决了Snake模型初始轮廓手工定位这一难点,使Snake在实际应用中更方便,更加自动化。并且通过高斯金字塔对视频图片进行预处理,使其能获得更平滑的Snake收敛结果。(3)通过Kalman滤波实现了车辆的跟踪,并将Kalman滤波和改进的贪婪算法的Snake模型,Ghough变换,以及高斯金字塔的预处理相结,对车辆在有阴影的情况下,实现了较好的跟踪。并分别进行了仅仅改进后算法进行车辆跟踪;用原来的贪婪算法和Kalman滤波结合进行车辆跟踪;以及用改进后的算法和Kalman滤波结合进行车辆跟踪的对比试验,从而得出结论即本文选出的方案是比较准确的,并在实际运用中是可行的。