交通检测系统在智能交通系统中具有重要的意义。交通检测的方法很多,而视频检测因其具有安装方便、覆盖范围大、效果好等特点而迅速成为智能交通系统领域的一个研究热点,并已经取得了一定的成效。但是,由于视频图像本身的特性,及自然环境的复杂多变和现有科学理论及技术水平的局限性,决定了视频车辆检测与跟踪技术仍然是一项具有挑战性的任务,其中,跟踪识别中车辆间相互遮挡等问题就是其中之一。　　根据视频车辆检测与跟踪在研究上的难点分析,我们系统地研究了视频车辆检测与跟踪的理论、方法,进而逐步实现遮挡情况下的视频车辆检测与跟踪。本文首先针对车辆检测问题,并将它分为两个主要模块:一个是背景提取模块,一个是视频道路关键检测区提取模块;接着分别针对这两个模块的构建分别提出了一种基于改进Mode的背景提取模型和一种自适应最优种子的视频道路提取算法。两个模块整合而成的车辆检测算法对多变的自然因素的抗扰性更强,并能从根本上杜绝了传统Mode背景提取时产生的误差来源。最后,在视频车辆检测的基础上,我们针对跟踪过程中车辆间发生相互遮挡的问题,提出了一种基于 Kalman预测跟踪矩阵与形状匹配细分割相结合的跟踪算法。该方法利用预测跟踪矩阵检测出存在先分离后遮挡的运动车辆,然后在此基础上利用形状匹配细分割算法对其进行分割后,继续跟踪。　　本文各章最后都给出了相应章节所提算法的实验结果与分析,实验效果达到了预期目标。