随着交通视频监控网的覆盖面越来越广,仅依赖人工难以做到对所有监控点进行在线监视,因此通过信息采集、模式识别和信息融合技术对交通网实施智能化监管,已经成为交通监控系统未来发展的趋势。论文以智能交通为背景,利用计算机视觉技术,进行目标检测、跟踪方面的研究,实现对监控区域内多目标车辆持续稳定的检测、跟踪。论文的主要工作可以概括如下几个方面：(1)目标检测算法方面,针对三帧差法前景图像中目标空洞大的问题,提出三帧差与Surendra相结合的改进算法,Surendra算法采用动态阈值来更新背景模型来适应场景的变化,大大改善了前景目标的检测效果,实时性好。(2)单目标跟踪算法方面,针对视频监控中受到复杂背景干扰或目标移动太快导致跟踪失败无法继续跟踪的问题,提出一种基于ORB特征匹配的改进Meanshift目标跟踪方法,该算法能够准确地跟踪定位目标,提高了目标跟踪的鲁棒性。(3)多目标跟踪方面,针对多目标跟踪在交通监控现实场景中的需求,本文提出了一种多目标跟踪框架,包括目标检测、目标跟踪、目标关联和更新目标跟踪列表四个模块,边检测边跟踪,实现对监控区域内多车辆目标的自动检测与跟踪。其中,跟踪模块采用颜色和LBP纹理多特征融合的Meanshift算法进行目标跟踪,提高了跟踪的精度。并且能够对新生目标、问题目标进行较好的处理,以获得持续稳定的跟踪。本文的研究工作针对运动目标在复杂背景、且颜色相近目标相互干扰情况下,检测与跟踪的抗干扰差的问题,对目标检测与跟踪算法进行了研究,提出了相应的改进方法,通过实验验证,实现了对交通区域内目标车辆持续稳定的检测与跟踪,提高了检测与跟踪的准确性及鲁棒性。