智能交通系统可以缓解车多路少的矛盾，而且可以保障交通运输的安全性和有效性，因而越来越受到人们的关注。传统智能交通系统的研究主要针对环境较好的场景，而在实际应用中存在各种复杂的环境条件，比如夜间、雨天、雾天等，增加了车辆检测和跟踪的难度。所以如何解决不良环境引起的车辆检测和跟踪的困难，是现在智能交通领域研究的一个热点。论文以夜间交通场景视频作为研究对象，主要针对车辆的检测和跟踪展开研究，主要完成了以下工作：（1）对常用的检测算法进行了分析研究，论文采用背景差分法和贝叶斯决策相结合的方法对夜间运动车辆进行检测。首先使用背景差分对当前图像像素进行初分类-分为背景像素和变化像素，然后根据贝叶斯决策将变化像素进一步分为前景像素和背景像素，最后对图像做形态学处理和区域分割，检测出车辆轮廓。（2）对常用的车辆跟踪算法进行了分析研究，论文采用基于区域特征和卡尔曼滤波相结合的方法对已检测到的运动目标进行跟踪。其中选取运动区域的中心和面积作为目标特征，使用卡尔曼滤波器建立运动目标模型，并且预测运动目标在下一帧中的位置，最后进行目标匹配和模型的更新，从而完成车辆的跟踪。（3）在Microsoft Visual C++6.0开发平台上完成了软件系统的开发，对上述算法进行了程序实现，实现了车辆检测、车辆跟踪功能，并对车流量情况进行了统计，总体效果良好。