运动车辆目标提取与跟踪技术是近年来智能交通系统中备受关注的发展方向,是实现目标车辆识别并对目标行为进行分析和判断的必要前提,主要涉及到模式识别、计算机视觉、图像处理、信息通信等诸多学科领域的理论知识。本论文主要是研究与实现了在视频序列中运动车辆目标提取与跟踪技术,运动车辆目标的提取包括运动车辆目标的检测与目标图像的分割,论文主要包含以下几个方面的内容:(1)图像预处理和运动目标检测:图像预处理主要介绍滤波和形态学算法;运动目标的检测中基本常用的方法有运动分割法、背景差分法和帧差分法,阐述了单高斯背景模型和混合高斯背景模型的基本原理,采用混合高斯背景模型算法结合背景差分法,检测到运动目标,确定目标区域。(2)运动车辆的精确分割:首先阐述了传统的车辆图像边缘检测方法,然后详细介绍了基于PDE(偏微分方程)的GAC模型图像分割方法,该方法与传统的边缘检测方法相比分割精度更高,提取出的轮廓线的连续性和光滑性更好。其次着重阐述了GAC测地线活动轮廓模型图像分割算法的基本原理,主要对原算法存在的陷入局部最小值、过演化问题和初始化问题几个方面的不足,分别从避免陷入局部最小值实现准确分割和重新加入约束能量两个方面入手,对原始模型进行改进得到新的模型算法实现图像的快速分割,并对原始模型和改进后的模型算法进行了实验对比和分析。实验结果表明,原始模型算法与改进后的模型算法相比,改进后的算法的分割精确度更高、演化速度更快。(3)运动车辆目标提取与跟踪:将背景差分法和改进后的GAC模型算法相结合,设计并实现了一种运动目标车辆的精确轮廓提取方法。基于活动轮廓模型和水平集的图像分割方法在运动目标检测和跟踪领域已经得到了广泛的研究与应用,基于改进后的GAC模型和卡尔曼滤波方法相结合的目标轮廓跟踪算法,实现了高精度的运动车辆目标的跟踪。实验结果表明本文算法能精确的提取出视频中运动车辆目标的轮廓并对其进行跟踪。