近年来,随着交通监控和交通管理的智能化水平不断提高,以视频图像处理、分析、理解为基础的视频监控技术越来越多地引起人们的重视。其中,基于视频图像的车辆行为轨迹检测技术是实现有效快速地获取车辆信息的方法,可以监测车辆的运动状况,有无违章行驶行为,比如乱停、逆行、变道或者超速等,不仅可以为交通的监管提供合法的评判依据,还可以为交通状况的分析提供数据的支持,使交通运行更智能、更方便、更快捷。本文基于双目视觉技术对物体的运动行为轨迹展开研究,主要包括了运动目标的检测与跟踪、摄像机的标定、立体匹配、运动物体三维轨迹生成等方面,其中着重研究了运动物体的检测与跟踪、立体匹配算法。首先,在运动车辆的检测跟踪方面,重点介绍了LK稀疏光流算法,针对传统LK光流算法中目标检测跟踪不准确的问题,本文提出一种融合GMM和PRLK的多运动目标的自动检测跟踪算法,并且加入模板更新机制来应对运动车辆在行驶的过程中发生的转弯和形变等现象。整个过程可以进行无监督的自动检测跟踪,并在三种不同的交通场景下对算法进行试验,通过实验验证该算法可以长时间可靠的跟踪运动车辆,也能很好的适应目标尺度的变化,同时采集交通视频的处理时间数据来验证算法的实时性效果,处理速度分别为27.36fps、28.65fps和24.58fps,可以满足交通场景中对实时性的需求。其次,在运动车辆的三维运动轨迹重建方面,详细介绍了介于传统标定与自标定之间的张正友棋盘标定法,并利用Matlab立体标定工具箱完成摄像机的标定,获得相应的摄像机内外参数和立体视觉系统参数,然后在对两个摄像机同时跟踪到的目标物体进行立体匹配,结合三角测量法进行三维轨迹的重建和恢复。本文针对立体匹配中出现的误匹配情况,提出基于SURF特征的改进的立体匹配算法,运用改进的KNN-RANSAC算法进行特征点的匹配,通过实验证明了该方法具有有效性,能剔除较多的误匹配点。