随着计算机技术的快速发展,基于图像处理的智能交通系统以其实时、准确、高效的特点受到广泛关注。在智能交通系统中,利用运动目标的检测与跟踪算法可以完成对交通车辆的智能检测与跟踪。本文主要研究基于视频的运动车辆检测与跟踪算法。首先,为了提高目标检测和跟踪的效果,本文研究了常用的图像预处理方法,包括图像灰度化、二值化、形态学处理、边缘检测和平滑滤波。其次,在运动车辆检测方面,主要研究了基于Lucas-Kanade模型的光流法、三帧差分法以及混合高斯模型法。针对传统三帧差分法中目标检测不完整、自适应性差的问题,本文提出综合运用自适应的边缘检测与数学形态学算法进行改进。通过将三帧差分法与边缘检测算子相结合解决了目标边缘不连续性的问题。运用自适应阈值算法对边缘检测算子的高、低阈值进行自动选取,从而提高了算法的自适应能力。同时运用数学形态学算法进行处理,填充了运动目标的部分空洞。为进一步提高检测效果,本文提出将改进的三帧差分法与混合高斯模型法进行融合,实验结果表明融合算法能更清晰完整地检测出运动车辆。最后,在运动车辆跟踪方面,深入分析了Mean Shift跟踪算法,Mean Shift算法中不能改变跟踪窗口大小,本文研究了Camshift跟踪算法,此算法改进了Mean Shift算法中跟踪窗口固定不变的缺点,能够根据所跟踪的车辆大小自适应地改变其跟踪窗口大小。同时针对Camshift算法中出现相似颜色干扰时跟踪效果差的问题,本文提出用Kalman滤波器与Camshift算法相结合来实现对运动车辆的跟踪,有效解决出现相似颜色干扰时跟踪窗口扩大的问题。本文设计的算法实用可行,达到了预期的设计要求,对于智能交通的实现具有非常重要的意义。