基于视频的运动目标检测与跟踪技术是智能交通系统中的基础和重要技术之一,也是其研究的重点和难点。本文基于光照变化、各种运动阴影和遮挡存在等情况的复杂交通场景对多运动目标进行研究,其主要内容包括运动目标检测部分和跟踪部分两方面。运动目标检测部分包括彩色图像灰度化、背景初始化、背景提取和更新、图像分割、阴影消除等几部分。彩色图像灰度化是通过减色和颜色量化方法将真彩色图像转化为带有调色板的非真彩色图像,并对其进行灰度化。然后采用多帧平均法初始化背景,并分析了常用的背景更新法。针对传统的背景更新法中所获得的背景受光照影响不准确,本文结合自适应双阈值和Surendra背景更新方法,研究了一种新的基于双阈值的Surendra背景更新方法,即基于双阈值的运动掩膜背景更新方法,能够得到良好的背景,而且双阈值能够自适应更新,更好地适应光照变化。利用提取到的背景进行双阈值背景差分,并结合数学形态学方法可以初步得到运动目标。此时的前景目标参杂了许多阴影。为了更好地消除阴影,本文介绍了几种常用的阴影消除方法,并分析了它们的局限性,在此基础上研究了一种借助图像边缘信息消除车辆阴影的算法。该算法能够消除大量阴影,更好地提取出感兴趣目标区域。选用卡尔曼技术预测跟踪模型和多特征匹配相结合的算法研究运动目标跟踪。以目标的面积和形状为特征,并结合卡尔曼滤波技术预测跟踪模型,减少搜索范围,提高跟踪匹配速度,实现稳定跟踪,也可提高遮挡情况下车辆的跟踪效果。综上,本文基于单目视觉对运动场景中的多运动目标进行了研究,尤其是从彩色图像灰度化、背景提取、更新,阴影消除和车辆跟踪几方面进行了研究,具有较高的应用价值。