基于交通视频的车辆检测和车辆跟踪是智能交通系统建设的关键技术之一,是监控中动态目标的流量统计、行为分析中的基础。本文主要研究交通视频监控中的运动目标检测和目标跟踪技术,对所涉及的车辆检测、粒子滤波、多目标关联和遮挡检测等技术进行了深入的研究和讨论,并在此基础上仿真一整套系统实现对多运动目标的检测和跟踪。本文主要工作分为四部分:1.运动车辆检测部分:在背景差法的框架下进行目标提取,使用CodeBook的方法进行背景建模与背景更新。对获得的前景二值目标使用基于HSV空间的方法进行阴影去除。对去除阴影后的图像进行图像形态学后处理。对形态学处理后的图像进行区域增长法的目标分割,并对结果进行新目标合理性检测,通过合理性检测的目标用于后续目标跟踪。2.粒子滤波部分:在粒子滤波的框架下进行单目标跟踪的研究,为了解决粒子退化问题,引入粒子重采样算法,对比了常用的四种重采样方法,并深入讨论了目标模板的更新问题。通过多个不同角度的仿真实验比较了各种重采样算法的优缺点,并对实际场景中的单目标实现了实时跟踪。3.多目标关联部分:介绍了常用的多目标关联算法的基本原理,深入研究了把单目标粒子滤波与数据关联相结合实现多目标跟踪的方法。设计了基于目标的重叠面积的关联矩阵的计算,通过多种条件的判断,区分目标处于何种状态,在目标无遮挡情况下,实现多目标跟踪。4.遮挡检测部分:介绍了常用的遮挡检测的方法,深入研究了粒子滤波解决遮挡问题的原理。根据遮挡发生时刻的不同,对新目标初始化前发生的遮挡和正确初始化后发生的遮挡进行分别处理。对遮挡检测和遮挡消除部分进行深入的讨论后,对基于粒子滤波的遮挡消除机制进行了仿真实现,在实际交通场景视频中,初步解决了影响目标跟踪的遮挡问题。