数字图像处理技术与监控系统的结合、应用是近年来的热点研究课题。特别是智能视频技术与交通监控系统的相结合,不仅使系统具备了数字视频的压缩、传输、存储和播放功能,更使系统具备了图像分析、智能监控的特色,从而能够方便的实现车辆的分割和检测、测量相关的交通参数,如车流量及运动方向统计等;根据相关的数学模型,还可实现车辆的运动检测,车辆的跟踪与车辆的识别。本课题源于基于视频的车辆智能检测系统项目的预研,旨在通过研究提出一种应用于运动车辆的监测的图像检测算法,适用于固定摄像头下的视频图像中运动目标识别和跟踪,使得视频图像分析能够适合集成到视频图像采集压缩前端模块中,运用改进的算法模型实现计算效率最大化以及目标判断准确性。视频图像分析中,背景提取的准确与否直接关系到分割质量。运动车辆检测通常是在户外,天气、光照等外界环境的改变对图像背景的灰度影响是背景提取中不得不考虑的环节。本文通过分别对基于静、动态背景的生成中的平均值法,多帧中值滤波算法和自适应滤波算法进行了大量理论研究和实验对比论证,提出了适用于该运动车辆检测系统的背景提取法,滤除因环境变化而产生的干扰噪声,并结合固定摄像头下运动车辆检测的各种图像特征,运用基于数学形态学分割算法实现了对运动车辆对象的提取。针对图像监控中非有效对象的运动产生的噪声干扰问题,根据车辆视频图像的运动连续特性,利用卡尔曼滤波器算法对运动目标跟踪和噪声的滤除。并通过改进的基于边缘增长的主动轮廓模型算法对运动目标轮廓进一步精确,提高分割质量,为多车型的识别做准备。综合这些运动图像检测算法,总结出了一种新型的优良的运动车辆目标跟踪监测方案,使其能够有效克服分割干扰,过分割以及运算量大等一般算法的缺陷。最后使用该方案对运动车辆视频图像进行了监测仿真验证。仿真结果表明,检测效果基本能够满足对运动目标检测的要求。