本文主要研究了基于特征的车辆及车牌的检测与跟踪。对车辆特征的检测与提取主要是利用背景差分的方法来完成,其中背景通过高斯模型进行建立和更新,然后通过连通域标定的方法将运动物体的轮廓用一个矩形框框定出来。对车辆特征的跟踪主要采用两种方法来完成：一种方法是使用mean shift迭代算法实现跟踪；另一种方法是使用基于surf特征的方法实现目标的跟踪。当目标与背景灰度值很相近或连续两帧的重叠区域较小时,mean shift算法进行目标跟踪时很容易出现误匹配和匹配不上的情况,基于surf特征的方法不受这些因素的影响。此外surf特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性,使用surf特征进行目标匹配时准确度比较高。车辆车牌的检测与跟踪便是设计使用基于surf特征提取与匹配的方法来实现的。本文用OpenCV和Visual C++6.0搭建实验平台,对相同视频的车辆特征的检测与跟踪使用mean shift迭代算法进行跟踪和使用基于surf特征的方法进行跟踪的处理速度都比较快,且相差很小,两种方法对于已检测车辆的正确跟踪率达到了90%。对车辆车牌的检测与跟踪的处理速度与所处理的视频大小有关系,在保证车辆车牌surf特征能够提取的基础上,视频越小其处理速度越快,这种方法的正确检测率和正确跟踪率都达到了90%。