近年来,随着机动车辆的快速增长,城市交通问题日益严峻。如何解决城市交通问题已成为一个世界性难题。在我国,由于道路用地以及道路建设资金等硬性条件的限制,建立完整可靠的智能交通系统迫在眉睫。对于基于视频检测的智能交通系统而言,图像处理和模式识别技术是其核心,本文重点研究了基于交通视频序列的车辆检测与跟踪算法。在研究传统运动目标检测算法的基础上,根据基本的SD背景提取和前景检测算法,引入“临时当前帧”作为背景估计和更新的依据,提出改进的SDTS车辆检测与背景提取更新算法。用主观对比测试和量化参数对比,验证了算法的实时性和准确性；用多种气候条件下的测试视频进行测试,证明了该算法有较强的背景自适应更新能力和噪声抑制能力,可以在复杂气候环境下有效检测出车辆运动目标。针对交通视频中存在的阴影现象,论文首先引入是否启动阴影检测的判断,然后提出基于直方图阈值与灰度值比值结合的方法对阴影进行消除,通过阴影测试视频验证该算法可以有效去除阴影。论文重点研究了基于Kalman滤波器的边缘特征跟踪算法和基于均值平移矢量的区域特征跟踪算法,并结合两者的优势提出基于边缘和区域特征的车辆跟踪算法,通过测试视频证明算法有较好的实时性和跟踪效果。