为了高效的管理道路车辆,迅速便捷的统计交通信息,设计并实现了基于视频图像的车辆检测跟踪与分类系统。本论文在总结和分析现有的基于计算机视觉技术的交通监控系统基本理论和关键技术的基础上,重点研究了固定视角下运动车辆的检测跟踪和分类技术,其中主要涉及到运动车辆的检测、运动车辆的阴影去除和运动车辆的跟踪与分类。完成的主要研究工作如下:(1)运动车辆检测:通过分析现有的检测方法和背景模型,采用改进的自适应背景更新模型,实现了背景的实时更新。并通过背景差分法有效检测出运动车辆。(2)运动车辆的阴影去除:分析研究了车辆阴影区域和被其覆盖的背景区域之间的灰度比值的分布规律,以及HSV色彩空间中V分量阴影覆盖前后的变化规律,采用了一种结合灰度信息和HSV色彩空间中V分量的阴影检测与去除方法,利用阴影和背景区域的光度增益特点有效的消除了车辆的阴影。(3)运动车辆跟踪及分类:分析了车辆的边缘特征,并利用Hausdorff距离模板匹配思想,在改进的距离变换空间内实现运动车辆的跟踪与分类。其中关键步骤是Euclidean距离变换,本文采用中心探测法求距离特征,这样做大大的减少了计算量。本系统在windows环境下用c#实现,结果表明,该系统可以实时快速检测出运动车辆并能准确跟踪和分类,具有较强的适应性和良好的应用前景。