随着汽车数量的日益增加,交通密度的大幅提高,交通紧张、拥挤问题越来越成为城市发展面临的难题。智能交通系统由于其在缓解交通拥挤,提高交通效率方面作用显著,越来越受到人们的重视,而基于视频的交通目标监控则是智能交通系统中的重要组成部分。论文以基于视频的城市交通道口的交通目标监控为研究背景,对复杂环境下交通目标的检测和提取方法,以及运动目标的跟踪方法展开研究。其主要工作如下:深入分析了当前几种经典的运动目标检测算法,并在此基础上,针对城市交通道口这一复杂环境,提出了一种改进的混合高斯背景模型的运动目标检测算法。其中,针对混合高斯模型计算量大的缺点,引入了Bayer彩色滤光阵列进行背景建模;针对目标检测中的“鬼影”问题,在背景更新过程中引入反馈加以解决;针对阴影问题,采用了在HSV空间对阴影特征进行分析并加以去除的方法。并最终给出一个适用于城市交通道口的交通运动目标检测方法。在运动目标跟踪方面,针对交通道口中运动目标的复杂性提出了一种基于匹配矩阵的多目标跟踪方法。即通过Kalman滤波器质心预测和本帧检测出来的前景区域建立的匹配矩阵来对目标链中的目标与当前帧检测出来的前景区域间的复杂关系进行分类;针对交通道口遮挡频繁这一情况,引入了颜色动态模板对处于遮挡的运动目标进行匹配跟踪,从而实现了对交通道口运动目标快速、鲁棒地跟踪。在此基础上,用VC++6.0对论文中的算法进行了实现,并对采集到的若干组交通道口视频文件进行实验,实验结果表明,论文中所提出的检测与跟踪算法能够快速、有效地对场景中各类运动目标进行跟踪,且具有一定的鲁棒性。