近年来,社会经济的发展促使公路交通设施快速发展。机动车数量不断增长,同时城市的人口与面积不断扩张,由此对城市的发展以及经济增长带来了一系列的问题。智能交通系统由于其在缓解交通拥挤,提高交通效率方面作用显著,越来越受到人们的重视,而基于视频的车辆检测与跟踪则是智能交通系统中的重要组成部分。论文以高速公路的运动车辆检测、跟踪为研究背景,在国内外研究成果的基础上,对其中的关键算法和技术展开深入研究,力求探索出一套以视频数据为基础,能快速、有效、鲁棒地检测和跟踪高速公路车辆的方法。本文的工作主要包括:(1)对几种经典的运动车辆检测方法优缺点进行比较的基础上选用混合高斯背景模型方法进行运动车辆检测,并对其在彩色视频检测中存在的计算量大等不足之处引入了相应的解决方法,即通过Bayer模式进行背景建模,减少了计算量;在HSV空间对阴影进行去除,解决阴影问题。该方法能有效地从高速公路交通视频中提取运动车辆区域。(2)在运动车辆外围轮廓提取方面,本文运用形态学滤波对得到的二值图像进行噪声去除,连接车辆区域中的断裂处并填充车辆区域中的空洞,得到了较为准确的运动车辆区域;在此基础上对得到的车辆区域进行连通区域标记,提取出车辆的外接矩形。(3)对传统的Camshift跟踪方法进行了改进,即通过检测出来的车辆区域自动初始化跟踪窗口,实现了车辆自动化跟踪;同时提出了一种基于Kalman预测的Camshift车辆跟踪方法,提高跟踪的效率和精确度,解决了大面积颜色干扰和遮挡问题。从而实现对高速公路上运动车辆的鲁棒跟踪。(4)在以上工作的基础上,设计并开发了一个高速公路车辆检测与跟踪原型系统。不但可以方便地用于算法的测试,也能对高速公路上的交通视频进行初步的分析处理。