近些年来，随着经济的高速发展，各类车辆的数量呈现出爆炸性增长的态势。根据统计数据显示：到2012年底，上海市有超过140万私家车，而注册机动车的数量达到了近300万。而2013年预计的私家车保有量将继续增加15%。由于车辆数目增长迅猛，每天的早高峰和晚高峰，上海市内的主要道路都会出现一定程度的拥堵现象。在这种情况下，违章停车严重影响了道路畅通和人民群众的生命财产安全。为此，交管部门投入了大量人力物力对违章停车行为进行监管。各大公司、高校、研究所也开展了大量的相关研究。针对车辆违章的自动监管系统，已经问世很多年，但是传统的车辆违章取证方式，主要基于地感线圈触发，通常监管范围不大，并且对车辆行为的判断不够准确。同时，埋设和维护地感线圈十分麻烦，需要一定的人力物力。传统的自动监管系统很难满足违章停车监管的需求。为此，近几年来，人们开始尝试使用图像分析的方式，对道路交通进行监管。由于基于视频目标识别和跟踪的方法，可以准确的判定车辆的行为，逐步成为各大公司研发交通监管类产品、应对交通监管各种需求的主要手段之一。在实际应用中，基于视频处理的方法面临着两大类困难。一是监控场景错综复杂，不同的相机、不同的气候和季节、不同的道路环境等等均会使得观测到的监控视频场景大不相同，如何提高算法的准确性和普适性是一个很大的难题。二是现在的视频监控往往采用高清相机对大范围路段进行监管，数据量非常大，对算法的实时性提出了较大的挑战，需要有效的降低算法时间复杂度，提高算法运行速度，才能满足现实的需求。本文从以上两大类困难出发，对车辆识别和跟踪算法深入的研究。针对车辆识别算法，本文首先通过使用自动采集训练数据的方法，获得了大量的不同环境下车辆图片。本文提出了使用两级级联和自适应子分类的方法，提高运行速度和对于多变的场景的适应性。通过事先标定的方式，解决车辆多尺度检测的问题，大大提高了运行速度。最后通过对视频中前景和背景区域的分别处理，进一步提高了运行速度。针对车辆跟踪算法，本文从实时性较好的Mean Shift算法出发，通过使用事先标定的方式，解决跟踪窗口尺度变换的问题，减少了重新计算跟踪窗口大小需要耗费的运算量。同时，本文在特征向量上通过增加一个区分前背景的维度，提升了用于跟踪的图像特征与背景的区分度，使其在图像背景和车辆相似时，也能达到较好的跟踪效果