本文尝试在一些关键问题的处理上提出实时有效的算法。这些关键问题包括运动分割及车辆位置的提取，运动车辆的行驶轨迹跟踪，分道线及道路纹理的识别，视觉遮挡分析等等，针对交通场景提出了新的刚体运动分割的方法，与传统的方法不同，新方法在进行参考背景学习时加入了一个运动因子对学习速度进行自适应的控制，同时运用局部动态阈值进行判断，提高了运动检测的鲁棒性，在平均处理时间上明显优于以往被较多采用的模型法；对学习得到的参考背景进行分析，把象素分为“分道线”、“路面”、“其它”三类，并提取各车道的位置信息，分道线的提取采用的是经典的HOUGH变换以及曲线拟合的方法，而路面纹理的分割则是采用了一种新的区域生长的算法；基于前面两点处理的结果，提出一种新的基于粒子滤波器的车辆跟踪的算法，新算法参照传统视觉跟踪的理论框架，在向量初始化、状态模型、观测模型等方面提出了新的思路；设计了一种基于视频的交通流量监测的方法，与以往的虚拟线圈的方法相比，新方法更能适应不同的车型，具有更高的准确率；利用立体视觉理论对视觉遮挡问题进行推理，其中立体摄像机的标定方法是对于传统双目标定方法的改进，提高了操作的灵活性，同时，提出了一种针对立体视觉模块的故障诊断的算法，加强了立体视觉系统的可靠性。