近年来,随着图像处理技术、人工智能和模式识别等学科的迅速发展,计算机视觉也受到了许多关注,视频技术在各领域得到了广泛应用。汽车数量的迅速增长所带来的城市交通问题愈发严重。因此在智能交通领域,基于视频处理的运动车辆检测和跟踪技术成为研究的热点问题,开展运动车辆的检测和跟踪算法研究具有重要意义。本文主要对视频监控中的运动车辆检测和跟踪算法展开研究,具体研究内容如下:（1）介绍了几种常用的运动车辆检测方法并进行分析比较,充分结合各检测方法优点,提出一种改进的车辆检测方法。该方法首先将五帧差分法和Prewitt边缘检测算子进行结合,去除掉多余的噪声;其次,针对均值背景建模过程中出现的问题,提出一种动态背景更新方法,创新性设计一个掩模,用当前图像的部分区域来更新背景图像,减少计算量的同时降低对天气变化的敏感度;在此基础上,提出一种融合五帧差分和均值背景模型的改进车辆检测方法。在五种不同道路交通场景下进行对比实验,结果表明本文方法检测到的运动车辆更加完整、准确,能够适应不同的场景,弥补了帧间差分法和背景差分法的缺点,具有较好的实时性。（2）在运动车辆跟踪方面,提出一种多特征融合的运动车辆跟踪算法。传统的KCF算法只提取了HOG特征,无法适用于复杂的场景中,本文在此基础上,将HOG特征和CN颜色特征融合后进行特征提取,实现优势互补,并加入尺度变化估计策略,弥补了KCF算法跟踪框大小固定不变的缺点。通过在两种不同道路交通视频场景下对运动车辆进行跟踪对比实验,实验结果表明,本文方法能够准确的跟踪运动车辆,方法可行有效。（3）判断车辆违章现象中的车辆逆行行为。根据跟踪车辆的具体位置,可以获得车辆的质心坐标和运动轨迹信息。通过同一视频中不同车辆的运动轨迹以及车辆质心纵坐标的变化情况,可以判断出运动车辆是否出现逆行行为。