随着我国经济的发展,汽车保有量增速迅猛,与之而来的是困扰各个城市的交通问题。科学有效地规划、管理城市交通成为城市发展的重要一环。在计算机视觉逐步发展的今天,如何利用计算机视觉解决交通问题成为了热门研究方向。本文的目标是实现一个智能交通流量监测原型系统,通过算法处理道路监控摄像头提供的实时视频,得到相应路段交通流量的有关数据。这样,交通管理部门可以依据这些数据,有针对性地调控相应路段的交通管理策略,最终达到提高道路交通的管理效率,缓解交通拥堵,减少交通事故的目的。在一段时间内,经过道路的车辆数量反映了交通流量的大小。我们使用多目标跟踪算法对视频中的车辆进行跟踪,以达到统计车辆数量的目的。在实现车辆跟踪之前,我们首先对比了有关视频预处理的算法和背景建模算法的试验效果,采用适用于本文目标的中值滤波与混合高斯背景建模算法。通过背景建模等相关算法的处理之后,得到可以用于多目标跟踪的前景运动目标。我们首先提出了基于Lucas-Kanade稀疏光流的多目标跟踪算法,该算法将一般的单一目标的光流法跟踪拓展到多目标跟踪;实现了基于Cam-Shift的多目标跟踪算法;并在以上两种多目标跟踪算法的基础上提出了基于轮廓中心的多目标跟踪算法,该算法在保证跟踪成功率的同时,极大地提升了算法运算速度,该算法还能适应夜间光照不足的情况。最后,详细论述了智能交通流量监测系统的实现过程,并给出了多种环境下的实验结果。在不同交通状况和不同光照条件下,我们针对跟踪算法的执行速度与车辆数量统计的准确度做出详细的对比实验,实验结果证明在较好的实验条件下,本文提出的两种算法跟踪成功率较高且执行速度较快。而在光照不足或交通极其拥堵的情况下,跟踪算法的成功率都有所降低。本文通过实验结果发现,多目标跟踪失败的主要原因是传统背景建模的算法不能有效分离粘连在一起的多个运动目标,并在目标长时间停止时将目标认为是背景。所以,改善跟踪算法的性能并不能从根本上解决这些问题,我们将在以后的工作中尝试通过其他方式获取前景运动目标。