随着交通工具的不断增长,交通管理变的越来越困难,因此,如何构建高效便捷的智能交通管理系统成为了人们关注的焦点。作为智能交通系统的核心模块之一,电子警察系统备受关注,其中,车辆检测与跟踪是其功能完善的基础。本文主要针对车辆跟踪及夜间车辆检测算法进行研究,并将算法移植到嵌入式电子警察系统中。主要研究工作如下:1.车辆跟踪算法研究。本文首先研究了Hash全局特征的车辆跟踪以及LBP特征和Hue特征相融合的车辆跟踪,给出了相应的实验效果并进行性能对比分析。然后,针对嵌入式电子警察系统的实时性要求,在传统的光流法上进行改进算法研究,取得了良好的跟踪效果。最后,在Haar特征和Adaboost分类器的基础上进行多目标跟踪算法研究,取得了较好的实验效果。2.夜间频闪灯的使用及EagleEye3智能相机的参数配置。由于夜间光线较暗,车辆的很多细节特征会被淹没掉,使得夜间车辆检测变得很棘手,因此,夜间频闪灯的使用及Eagle Eye3智能相机的夜间参数配置显得尤为重要。此处首先介绍了Eagle Eye3智能相机的基本框架及开发环境,然后针对频闪灯的使用以及Eagle Eye3智能相机的几个重要参数进行了详细地讨论,最后结合工程项目实践给出了最佳的组合参数配置。3.嵌入式电子警察系统中的夜间车辆检测算法实现。本文首先研究了基于车灯的夜间车辆检测算法,取得了较好的检测效果,但当交通场景中存在部分车灯损坏或者是其他非机动车干扰时,该算法无法正常检测。因此,接下来研究了基于Haar特征和Adaboost分类器的夜间车辆检测算法以及基于车牌的夜间车辆检测算法,并将后两种算法移植到EagleEye3智能相机中,通过实验测试以及数据统计进行比较分析。