车辆跟踪是智能交通系统(ITS，Intelligent Transportation System)中的重要技术，在图像的运动目标跟踪与识别中经常遇到车辆遮挡的问题，该问题是动态图像处理过程比较难以解决的问题。交通检测的准确度受车辆间相互遮挡的影响，抗遮挡算法的研究是本文的研究重点，也是目前许多国家的学者研究热点。本文围绕基于交通视频的车辆检测、遮挡检测与分割及遮挡情况下的车辆跟踪，针对性的提出解决问题的方法。本文主要研究工作如下：(1)在对高清图像进行车辆检测时，现有的许多背景建模方法计算量大，而且检测得到的目标区域存在断层、空洞或者重影。本文提出一种背景动态建模和OTSU局部递归分割的运动车辆检测，在自适应混合高斯背景模型基础上，通过帧间差分把每帧中的图像区分为背景区域和运动区域，背景区域中像素点将以特定的更新率更新背景模型，物体运动区不再构建新的高斯分布加入到混合高斯分布模型，获得非常好的前景区域。(2)车辆间发生遮挡影响跟踪效果，解决遮挡问题首先要实现遮挡的检测，本文提出使用像素统计模型的车辆遮挡检测算法，在检测出车辆遮挡的基础上对遮挡的车辆进行分割，实现对遮挡车辆和被遮挡车辆进行跟踪。(3)车辆发生遮挡时容易造成跟踪丢失，在遮挡情况下本文设计了一种三帧预测的车辆区域匹配跟踪算法，通过对运动的预测和遮挡的分割一定程度上解决了车辆的遮挡问题。根据上述算法，本文针对在视频中存在遮挡的车辆进行一些跟踪仿真实验。本文通过连续帧的运动车辆的分割和特征匹配实现运动车辆的跟踪。实验结果表明，采用本文算法可一定程度上解决目标跟踪过程中的遮挡问题，提高目标跟踪的效果。