车辆检测系统作为交通监控系统的核心部分，有着十分重要的研究价值。车辆检测系统分为白天和夜晚两部分，目前对白天的车辆检测系统已经研究的很透彻，而且也逐步完善。然而在夜间，由于环境相对较暗、可以参照的物体少、性能不稳定等因素导致白天的车辆检测方法在夜晚下几乎不能使用。而且目前对夜晚场景下的车辆检测中，因为车灯对路面形成的反射光无法处理，导致车辆的检测率下降。针对以上几个问题，本文从夜间城市道路交通场景出发，重点研究对反射光的剔除方法，同时研究了基于视觉的夜间场景下的车辆检测和跟踪技术。本文主要研究内容如下：1）针对夜间干扰信息太多的问题，提出了一种基于Fisher判别法的分类方法将造成干扰的车灯对路面形成的反射光剔除的预处理。首先，提取出感兴趣区域，以减少计算量和误差；然后，根据夜间前景车灯和背景之间的比较明显的差异这一特征采用了阈值分割中的直方图双峰法，这种方法能有效的区分前景车灯和背景；最后，利用车灯区域与反射光区域之间的梯度不同，提出了一种基于Fisher判别法的分类方法。结合大气散射和高斯拉普拉斯（Laplacian of the Gaussian，LOG），对需要检测的图像用Fisher判别法，进行反射光去除操作。2）针对夜间车辆检测问题，提出了基于车前灯方法来检测夜间道路车辆。首先通过形态学对车前灯这一有效区域进行提取，剔除一些非车前灯区域；然后根据车辆由成对的车灯来组成的这一先验知识，加上两车灯之间的距离、对称以及形态对比，对车前灯进行匹配，如匹配成功，则将这两车灯作为同一车辆来进行检测和跟踪；最后，对一些可能存在的异常情况进行区分讨论和处理，从而提高夜间车辆的正确检测率。3）针对本文涉及的道路交通场景下的视频由多帧图像组成这一信息，提出了一种基于邻域的跟踪方法，并结合预跟踪队列和稳定跟踪队列的一个夜间车辆跟踪方法。通过预跟踪队列可以筛选出比较稳定的跟踪目标，成为跟踪目标之后能够让跟踪方法有较好的稳定性。通过稳定跟踪队列可以加强对跟踪目标丢失以及跟踪目标特征变化的容错性，这种方法可以有效的减少因背景光源的干扰所带来的目标丢失的情况，从而能够极大的加强本文跟踪方法的抗干扰性与准确性。最后，本文在Windows系统下，使用Visual Studio2008编程实现了夜间车辆的检测和跟踪方法。由城市道路场景下视频的实验结果证明了本文方法具有较好的稳定性、准确率以及实时性。