交通视频监控中运动目标的识别与跟踪技术是图像处理和计算机视觉领域中一个涉及多学科的研究前沿,有极其重要的科学意义和广阔的应用前景。运动目标的识别与跟踪是实现交通视频监控智能化的两项核心技术,识别和跟踪的结果是后续高层次应用的基础,也是交通视频监控系统实现智能化和自动化的关键。探索能够自动适应各种环境变化,并且能够实时、准确而稳定地识别和跟踪运动车辆的算法仍然是当前交通视频监控系统亟待解决的课题。本文以实现交通视频监控系统这一背景为基础,重点针对交通视频监控系统中运动目标的识别和跟踪这两个关键技术进行研究,以期获得满足智能视频监控更为可靠和实用的算法,并完成了交通视频监控系统的设计和实现。在运动目标检测方面,重点研究了背景分差法中的背景更新算法,结合交通视频背景的静止性和单调性,采用了一种基于Surendra算法改进后的背景更新方法;在阴影消除方面,根据交通视频中运动车辆的阴影特性,采用了基于HSV颜色空间与二值图像动态空间的阴影消除方法;在目标分类识别方面,综合分析了运动目标的几何形状、运动速度特征,从而建立起对运动目标分类的条件,根据这些条件可以有效地将运动目标分为大汽车、小汽车、摩托车、行人四大类。在识别的过程中,根据交通拥挤现象造成车辆互相融合的情况,采用基于虚拟车道线进行区域划分的识别方法,将不同车道的车辆有效区分开来。最后采取八连通法对运动目标进行标记,得出最小外接矩形;在运动目标跟踪方面,重点针对运动目标在相互遮挡情况下跟踪失败的问题,采用了基于匹配矩阵的运动目标跟踪方法。根据交通视频对环境因素比较敏感的情况,采取了一种通用的异常跟踪处理方法。通过在高速公路监控中心的实际运行测试表明,系统在各种环境下均能达到较高的正确率,测试结果验证了本文所采用算法的正确性和系统的可行性,可以满足交通视频监控系统的实时性、智能性和稳定性的要求,达到了预期的研究目标。