运动车辆检测技术在智能交通领域的应用越来越广泛，成为推动智能交通系统发展的关键技术。　　本文围绕基于图像处理技术的运动车辆检测算法，在图像质量改善、运动目标定位和车辆识别等方面开展研究，针对运动车辆检测算法提出了几种具体改进，进而设计了“两步检测”的运动车辆检测方法，并基于Windows平台进行了算法的性能测试与分析工作。最后将算法移植到了一款高性能的FMC6678多核DSP平台，给出了算法在多核体系下的并行实现方法，并比较分析了算法在不同平台的运行效率。　　论文的主要工作包括:　　(1)图像质量改善算法的研究。提出采用中值滤波算法消除图像中的孤点噪声、椒盐噪声等，采用对比度受限自适应直方图均衡化算法增强目标与背景的对比度，采用形态学方法实现连通域的标记。　　(2)运动目标定位算法的研究。设计了基于对称差分法和自适应阈值的运动目标定位算法，其针对传统的Otsu算法，从阈值搜索范围、帧间阈值相关性两方面进行改进，实现了运动目标的快速定位。　　(3)车辆识别算法的研究。重点研究了基于Haar-Like特征提取与级联分类器训练的车辆识别算法，首先剖析了水平矩形特征和45°旋转矩形特征基于积分图的计算方法，然后重点研究了AdaBoost算法的基本流程、训练方法，并设计了级联分类器的训练步骤。　　(4)运动车辆检测算法的仿真与分析。首先基于“两步检测”策略设计了算法的软件方案，然后基于Windows平台进行了算法的实现与仿真，并采用实测视频数据对算法性能进行了详细的实验分析。　　(5)运动车辆检测算法在DSP平台的初步实现。基于SYS/BIOS操作系统及OpenMP并行机制设计了运动车辆检测算法的多核软件架构及具体的软件流程，并实现了核心算法的移植与代码的优化测试。　　实验结果表明，本文提出的运动车辆检测算法，在检测精度、鲁棒性及实时性方面有了很大程度的提高。