近几年来,经济高速发展导致车辆数目的急剧增加,而铺设新公路的可能性越来越小,因此如何解决交通拥塞成为现代交通面临的一个非常重要的问题。比较现实的解决方法是合理使用现有的交通基础结构,因此需要对路面交通进行有效的管理。为了管理路面交通,需要提取路面交通参数,从而正确描述路面交通情况。路面交通参数包括车辆数目、车速、道路占有率和道路饱和度等。各种各样的交通控制系统可以通过获取这些交通参数实现,比如自动收取通行税、拥塞和事故检测、通过自动导航和改变速度限制来增加公路的车容量等。本文提出了基于小波变换的车辆跟踪和车辆参数提取的方法。为了描述车辆信息,我们提取了车辆轨迹、车速和车辆数目等交通参数。因为运动车辆属于低频的部分,而且图像的细节信息(即图像的高频分量)在跟踪过程中是不需要的,所以本文使用原始图像的低频图像进行车辆检测。该技术通过小波变换实现,这种方法可以有效去除干扰运动(比如树木摇摆)对检测结果的影响。运动的阴影会严重影响车辆跟踪系统的鲁棒性。本文在现有算法基础上进行改进,先采样阴影点,计算采样阴影点的阴影属性,最后根据阴影属性去除阴影点。因为使用的是真实阴影的属性,所以去除阴影的效果比很多方法有效。遮挡会对车辆参数提取和跟踪的准确性产生严重的影响,利用本文提出的方法,遮挡被成功去除。本文还使用CamShift算法进行目标的跟踪,实验表明该算法对人脸和车辆的跟踪很有效。但是CamShift算法是半自动的,即需要手动给出要跟踪的区域。在以后的研究中我们将对该算法进行改进。我们在计算机上进行了算法的模拟仿真,测试了车辆跟踪、阴影去除和遮挡去除的性能。实验结果表明,我们提出的方法简单有效,适合在真实场景中使用。