随着机动车数量的不断增加,交通拥挤、交通堵塞、交通事故等问题长期困扰着人们。为改善目前恶劣的交通环境,人们对智能交通系统加大了研究力度。而运动车辆的检测和识别算法是智能交通系统中的重要组成部分。目前针对复杂环境下运动车辆检测和识别的算法研究相对较少,主要原因是复杂环境下有效信息少,并包含很多噪声干扰,使得该课题具有一定的难度。本文主要是在复杂环境下对运动车辆的检测和识别算法进行研究。复杂环境主要是指在夜间、阴雨、大雾等天气中光线变化较大,存在摄像机抖动以及车辆遮挡等情况。在上述环境下本文要求整体算法在保证实时性的同时提高检测和识别的准确率。本文检测算法先利用帧差法检测出运动区域及运动车辆的部分轮廓,再在运动区域中运用角点检测算法检测出运动车辆的车灯信息,从而检测出运动车辆。本文的角点检测算法对已有的基于曲线曲率的角点检测算法进行改进。改进后的检测算法在多尺度空间下利用仿射变换的概念对角点进行精确定位。该检测算法能够提高检测效率,解决摄像机抖动问题,并为后续的识别算法提供有力保障。在识别算法中本文提出了匹配相似度的计算方法,通过计算车灯之间的匹配相似度、自身匹配相似度和噪声匹配相似度来识别非遮挡车辆、部分遮挡车辆和噪声干扰区域的具体位置。该识别方法具有较高的识别精度,较低的时间复杂度,并解决车辆部分被遮挡的识别问题,从而降低交通量和车型分类的统计误差。实验结果表明,本文算法在复杂环境下对运动车辆具有较高的检测和识别精度。本文算法与其他算法相比在检测效果和识别效率上均有提高。在时间方面,检测算法和识别算法的时间复杂度均比较稳定,而且满足实时性的要求。