近年来,机动车的保有量明显上升,交通事故也更为频发。然而很大一部分交通事故都是因为违章行车引起的,因此对车辆行为进行检测并给与违章者适当的教育和处罚,是减少违章行为的有效手段之一。对车辆违章行为进行检测的传统方法都是基于磁感应原理来工作。通过环形检测线圈、交通微波检测器、雷达测速等设备来提取交通参数的方法,在当前比较常用。上述方法有其明显的缺点,如:安装不方便、破坏路面、不易维护、获取的交通信息量少等。视频信息的特点有:直观、具体、生动、信息量大等。因此基于连续视频流的交通状况和违章行为分析成为国内外广大科技人员和学者关注的重点。本文首先在对常用的运动目标检测算法进行研究分析之后,用背景差分法来获取运动目标,并采用多帧均值背景建模方法来建立背景模型并实现背景的不断更新。根据运动目标区域的长宽比和占空比来对运动目标进行分类,进而提取出运动车辆。其次,研究分析了传统的均值漂移算法在运动目标跟踪中的应用,针对其缺点,对算法进行了改进,将卡尔曼滤波器位置预测机制和窗口自适应目标大小的机制引入到运动目标的跟踪算法中,提出了基于KF的窗口自适应MS算法。同时,本文对改进的算法的性能和跟踪效果进行了分析,结果表明:改进的算法性能和跟踪效果都优于传统的均值漂移算法。然后,设计了基于车辆运动轨迹的车辆行为判断和交通参数提取算法。并且,在对基于颜色的车牌定位算法和基于边缘检测的车牌定位算法进行研究分析后,本文将以上两种算法结合起来进行车牌定位,即基于颜色和边缘检测的车牌定位算法。结果证明:该算法对车牌检测的准确率高于其他两种算法。然后还介绍了车牌字符切分方法以及车牌字符识别方法。最后,本文在对基于连续视频流的交通状况与违章行为分析涉及到的算法进行研究和部分改进的基础上,设计了一个智能交通分析系统。