随着经济的快速发展和人们生活水平的不断提高，我国机动车的数量也在急速增多，机动车在给人们生活带来便利的同时，其造成的道路交通问题也日趋严重。因此，对于道路交通的管理急需建立一个行之有效的智能交通管理系统。目前各个国家所提出并进行的智能交通系统的研究，其核心部分就是对车辆异常行为进行分析。本文以道路交通视频为素材，然后对交通视频的雾天图像增强、车辆检测和跟踪以及车辆的异常行为分析进行研究。具体的研究内容如下：　　（1）监控视频图像预处理，针对公路视频受雾天影响较大，而雾天下的监控视频因环境光照不足导致图像的色彩强度和对比度不能满足实际应用需要。为了解决此问题，本文提出了一种基于 HSV色彩空间的雾天图像增强方法。实验结果表明，该方法相对于单一的图像增强算法，其效果较好。　　（2）运动目标检测算法，本文采用一种自适应高斯混合模型的背景差分法对视频图像进行处理。首先通过自适应高斯模型方法构造背景模型，然后将得到的背景与当前视频帧做差值运算，得到差值图像；然后对差值图像进行二值化处理，得到需要检测运动目标。　　（3）运动目标的跟踪，针对运动目标在交通视频中可能会发生旋转、尺度变换等问题，采用一种基于 Kalman滤波的特征匹配跟踪方法。首先对检测到的运动目标进行特征提取，然后利用预测目标的位置和匹配搜索策略来确定运动目标，并用一个矩形框标记出该运动目标。通过仿真实验证明该方法可以有效的跟踪到运动目标。　　（4）车辆异常行为的分析，本文设计了一种基于改进的Hausdorff距离的轨迹空间度量方法。利用谱聚类算法和 K-means聚类算法实现轨迹空间模式和运动方向模式的学习；然后贝叶斯（Bayes）分类器实现对轨迹与空间运动模式的匹配检测异常轨迹，对检测的异常轨迹行为分析。