智能交通系统中,道路运动障碍物的检测跟踪一直都是一个重点的研究内容。由于行车过程中车载摄像头运动导致背景运动,使得视频中存在运动的障碍物与背景两个相互独立的运动导致目标检测和后续跟踪困难。对于在汽车辅助驾驶系统中,道路上运动障碍目标的检测时由于车载摄像头运动引起的背景复杂以及对检测跟踪结果的实时性准确性等技术要求,提出一种有效的解决方案。该论文主要工作有:（1）目标检测问题上,将视频图片帧进行感兴趣ROI的选取,对ROI区域进行中值滤波,灰度化等操作去噪增强。再进行图像特征点的提取,通过分级特征角点检测算法计算图像特征角点,然后采用改进的金字塔LK光流法对感兴趣的特征点计算光流误差,在帧间进行匹配跟踪以此建立帧间的运动光流场。（2）在光流场基础上,本文提出一种基于光流点特征的DBSCAN聚类分割改进算法,用于光流场的区域目标的分割,得到光流失量图。结合光流矢量点的特征属性,改进相似性度量的准则,将光流点速度矢量的相似性和光流点的坐标密度分布纳入相似性度量函数。通过这个改进的度量可以判断光流点是否是处于一个目标区域,能够得到比较好的分割效果,实现光流场的目标分割,定位当前帧的运动目标区域,初步实现多目标的检测。（3）道路运动目标检测跟踪算法的设计与改进工作。主要是:1)提出一种分块自适应阈值算法,通过对图像分块提高阈值分割的准确性,得到阈值分割图。2)提出一种基于运动三图融合的运动目标检测流程,结合Canny检测获得边缘分割图,将光流失量图与分块阈值图,边缘融合图通过按像素相与操作,多次形态学处理,区域生长法获得精确的二值化图像,提高在移动车载摄像下对运动目标的检测准确率。3)在后续帧运动跟踪问题上,结合Cam Shift算法,构建系统的卡尔曼运动模型,建立目标的动态方程和观测方程,使用卡尔曼滤波器通过不断的迭代,预测各个目标在下一帧中的位置,减少Cam Shift算法的迭代次数,增加跟踪的稳定性。4)设计道路运动目标检测跟踪的系统,完成系统的原型设计与实现的工作。实验表明,该算法可以在车辆行驶过程中能够很好的检测出运动的目标,分割效果良好。同时跟踪算法也有良好的效果,而且在复杂道路上有良好的跟踪准确率。