交通监测系统中的车辆检测与跟踪是实现交通管理自动化、智能化的重要环节和关键步骤。随着计算机技术和图像处理技术的不断发展,基于视频序列的车辆检测与跟踪得到了越来越多的关注,并成为当前的研究热点之一。本文在对基于视频序列的车辆检测与车辆跟踪经典算法进行学习和研究后,针对其存在的不足,进行了改进和提高,提出了一种应用于城市主干道进行车辆检测与车辆跟踪的新方法。主要完成如下工作:(1)提出了一种新的背景模型构建方法。针对背景差分法的关键步骤——背景模型的构建,提出了一种基于综合运用背景差分法和帧间差分法的背景模型构建方法。首先在背景模型初始化时,利用帧间差选择运动目标较少且帧数动态变化的输入图像作为计算帧进行背景初始化,以保证背景模型的初始化精度;其次在进行背景更新时,一方面先通过背景差分对新输入图像帧的像素点进行判别,有选择的进行更新,以保证背景模型更新的精度;另一方面背景更新时的加权系数不采用常数,而是动态变化的,与实际背景的变化相关联,以保证背景模型能够及时跟踪实际背景的突变。另外,在图像分割时采用动态变化的阈值,即通过动态阈值对背景差分的结果进行分割,以避免实际背景突变时图像分割出现较大偏差。实验结果表明该方法具有较好的车辆检测精度和效果。(2)提出了一种基于区域的多特征匹配跟踪算法,并根据目标车辆的运动特征预测其在下一帧图像中的位置,可有效缩小运动目标的搜索范围。改进了基于区域的跟踪算法,综合利用灰度图像和二值化图像实现对运动车辆的跟踪。在车辆跟踪中,建立目标车辆的质心位置预测模型,根据目标车辆的运动记录预测目标车辆在下一帧图像中的质心位置,然后在预测范围内,通过运动车辆的质心位置、面积及平均灰度值等多个特征进行目标匹配,从而实现目标车辆的跟踪,获取目标车辆的相关数据。经试验验证,该算法能够对运动车辆进行有效跟踪。