智能视频监控越来越多地运用在社会各层人民的工作和生活中,其给人们带来的便捷不言而喻。在智能交通系统中,对运动车辆的检测和跟踪是整个交通事件检测和视频监控系统智能化的主要内容和关键技术。运动车辆检测的目的是将视频序列中感兴趣的区域无误地提取出来,这样才能为后续的跟踪提取相应目标的特征;运动车辆跟踪的目的是需要实时了解其运动特征,包括行驶方向、速度、轨迹等。做好车辆检测和跟踪的工作为交通事件检测、行为分析等奠定了坚实的基础。但是由于目标检测和跟踪的场景复杂,不可预测因素增多,目标因为摄像头的角度及距离等原因而大大增加了目标跟踪的难度。因此,开展运动目标检测及跟踪方法的研究具有重要意义。本文围绕高速公路运动车辆检测及跟踪方法开展了如下研究工作:(1)提出一种基于五帧差分和LOG算子相结合的运动车辆检测方法。首先在帧差类方法中,分别对二帧差分、三帧差分、四帧差分、五帧差分进行详细研究和仿真,通过实验结果对比得出五帧差分检测前景目标的效果最好,然后结合能够检测运动目标完整信息的LOG边缘检测算子进行运动目标检测。实验结果表明,两种算法结合的目标检测方法对环境的适应能力强,去噪效果良好,对目标检测信息完整,达到了方法改进的效果。(2)结合正则粒子滤波改善Camshift算法的运动车辆跟踪方法。在利用Camshift算法进行目标跟踪的过程中,其主要是根据所跟踪目标的色调分布来进行跟踪的,因此能实现对具有与周围环境相差较大的颜色的目标进行良好的跟踪。但是容易受到目标附近具有相似颜色的背景或环境干扰导致跟踪丢失,为此,本文融入正则粒子滤波方法提出了一种改善Camshift的运动目标跟踪方法,该方法通过与运动目标检测方法相结合,实现对新目标和相似目标的良好处理,实现跟踪的持续稳定,能较好地实现监控系统智能化。本文以高速公路运动车辆为研究对象,完成了基于帧差法和Camshift的运动车辆检测和跟踪方法的研究,丰富了监控视频中前景目标检测和跟踪的研究内容,对其他场景的前景目标检测和跟踪具有一定的借鉴意义。