在我国的许多大中城市都在大力建设城市公路隧道来缓解城市交通压力,而现在作为城市公路隧道重要安全保障的城市公路隧道视频监控系统并不完善,对进入隧道里的车辆仅仅依靠感应线圈来统计车速车流量,而感应线圈有着很大的局限性,比如检测维护困难、不能识别跟踪车辆、车速无法与车辆对应等等。如何在城市公路隧道中建立起基于视频的车辆监控系统是未来城市公路隧道视频监控系统的发展方向,也是建立起城市智能交通控制系统的关键。随着图像处理技术、计算机视觉技术以及计算机相关技术的发展,使基于视频的车辆监控成为可能；同时,与传统的感应线圈对车辆进行监控相比,基于视频的车辆监控具有维护简单、实时性强、采集的数据多等巨大优势。本轮文首先研究了图像质量增强技术,并在此基础上提出了一种视频图像预处理方案,通过该方案对视频图像进行处理来保证后续车辆检测和车辆跟踪的图像质量。然后本文重点研究了运动车辆检测技术和运动车辆跟踪技术。在运动车辆检测技术上,针对城市公路隧道中的特殊行车环境,并通过比较分析几种车辆检测方法后选用背景差分法进行车辆检测；为了提高背景差分法的准确度,本文在前人研究的基础上提出了一种新的背景更新模型,该模型最大程度上保证了背景图像的实时性和真实性；但由于光线照射问题,检测出的车辆往往存在阴影,本文采用基于HSV颜色空间特征对阴影进行检测和消除,并利用形态学完善提取的运动车辆。在运动车辆跟踪技术上,研究并提出了基于卡尔曼滤波模型与车辆多特征相结合的跟踪模型算法,先通过卡尔曼滤波模型为车辆的运动建立运动估计模型,然后利用该模型对运动车辆下一时刻的位置做出预测,最后通过多特征匹配相关车辆进行车辆的跟踪。论文最后通过分析现有的城市公路隧道视频监控系统在车辆检测方面的不足,并根据本文研究的视频图像预处理、车辆检测和车辆跟踪方面所获得的成果,本文设计了一套基于现有城市公路隧道视频监控系统的车辆分析系统。