随着社会的快速发展和城市的不断扩张，人口增多的同时，车辆总数也在不断增加中，造成了道路交通系统压力不断的增大。因此对智能交通系统(Intelligent Transportation System, ITS)研究的重要性和必要性日益突出，系统的核心是基于视频的车流量检测与车辆跟踪的研究。本文主要研究目标是基于机器视觉技术，对道路上行驶的车辆进行检测、识别、跟踪以及车流量统计。本课题对运动车流量的检测与车辆的跟踪进行了研究，分析和总结了现有的检测与跟踪技术，并在国内外相关研究成果的基础上，对相应的算法进行优化和改进。具体的研究工作有：首先，对采集到的视频图像进行预处理，采用改进的混合高斯背景更新算法，将当前帧图像与背景图像逐像素点进行相减即得到前景图像(即运动目标图像)，并对前景图像采用最大类间方差法进行阈值分割，得到二值图像，从而利用矩形框提取运动目标车辆；然后利用基于运动目标质心的特征匹配与Mean-shift迭代相结合的算法对提取到的目标进行跟踪；同时对每一个检测到的目标跟踪链进行计数，完成车流量统计。软件上，使用Visual Studio2005开发平台，基于MFC框架下，利用Open CV的数据结构、函数，对车流量检测与车辆跟踪系统进行设计与实现。在本文算法的基础上，对两种不同角度的视频进行了检测与跟踪。实验研究结果表明，车流量检测结果准确率平均水平保持在90%以上，且跟踪快速实时性强，能够达到预期的效果，验证了算法的稳定性。