车辆违章轧线检测跟踪技术是智能交通系统的重要组成部分，对规范司机行为、减少事故发生率、提高道路通行效率有着极为重要的意义。本文结合应用需求，对基于视觉的车辆违章轧线检测跟踪技术进行了研究。　　首先，针对路口、交通灯等区域车辆短时静止影响车辆目标检测的问题，根据车辆行驶规律，提出一种基于分块和邻域信息的背景更新方法。即将图像分割为包含运动目标的区域及不含运动目标的区域，使用平均背景模型更新不含运动目标的区域背景，根据邻域信息调整含有运动目标的区域背景亮度，根据颜色及亮度差异识别运动前景与背景，实验结果表明本文方法的前景提取率相比平均背景法提高26.9％，相比GMM算法提高27.5%，相比ViBe算法提高31.1%。根据归一化互相关系数阴影检测方法的局限性，提出归一化互相关系数融合对称交叉熵的阴影检测方法，又利用阴影轮廓像素点邻域信息进一步减少阴影误检情况以得到完整准确的运动前景，本文方法的前景保留率相比归一化互相关系数方法提高40.4%，相比SVM支持向量机方法提高6.3%。本文解决了车辆短时静止影响车辆目标提取的问题，改善了阴影去除效果，在保证实时性的同时具有更好的前景检测效果。　　其次，针对目前常规轧线算法无法适用于拥堵频发的导流线区域轧线车辆检测问题，根据车辆的引擎盖和车底阴影的区域特征，提出一种基于超像素分割和阴影检测的导流区车辆违章轧线检测方法，即利用区域前景及简单标定获得违章车辆的粗定位框，再利用超像素分割与融合提取车辆目标的引擎盖区域，获得精确的横向位置及尺寸，又利用阴影检测获得精确的纵向位置，最终获得精确的车辆目标检测框。实验结果表明，本文算法对导流区车辆违章轧线行为的检测准确率均高于90%。　　最后，针对基于特征点的运动目标跟踪中因特征点分布不均匀而导致跟踪框更新出现偏差进而使跟踪失败问题，根据相邻帧间特征点与跟踪框的相对位置不变的特点，提出一种基于特征点帧间对应关系及尺度变换的跟踪框更新方法，综合特征点的帧间位置对应关系、帧间尺度变换关系及跟踪框在上一帧内的中心位置以获得跟踪框在下一帧的位置。利用卡尔曼滤波器预测车辆位置，减少了计算量提高了实时性。针对部分遮挡造成运动目标跟踪可靠性不高的问题，根据遮挡区域的运动前景分布规律，提出一种基于遮挡判断的错误特征点筛选方法，对比实验结果表明，本文方法与的跟踪精度相比TLD方法提高19.7%，相比KCF方法提高14.5%，相比粒子滤波方法提高33.6%，同时有效地解决了遮挡问题，实时性亦可以满足应用要求。