计算机视觉和数字图像处理技术可以广泛地应用于工业、医疗保健、航空航天、军事等各个领域，其中针对视频连续图像中运动物体的分析是其中应用前景最为广泛的一个方向，在机器人导航、智能视觉监控系统、医学图像分析、工业检测、视频图像分析以及军事雷达视频信号的处理上都有占有重要地位。 随着经济的发展，智能交通系统受到人们的广泛关注，本课题是对于基于视频的交通事件检测系统关键技术的研究，主要研究并实现了交通事件检测系统中的背景提取、车辆检测与车辆跟踪的功能。 本文在总结和分析现有运动检测与跟踪方法的基础上，重点研究摄像头固定情况下运动目标的检测与跟踪技术。论文主要工作包括： 1、在背景提取算法研究过程中，研究了基于混合Gaussian分布等经典的背景提取算法，通过实验验证经典算法虽然能得到很准确的背景，但算法的实时性低，不能满足实际应用的要求。采用基于量化的统计模型实现背景提取的算法，通过实验验证算法可以在准确性和实时性上达到较好的平衡。 2、在车辆检测算法的研究中，介绍有关运动车辆的检测技术，包括光流法、相邻图像差分法和背景减除方法。由于光流法的计算量巨大，不能满足实际应用的实时性要求，主要对相邻图像差分和背景减除算法进行研究。并利用相邻图像差分法和背景减除算法分别实现了运动车辆的检测。经过相邻图像差分得到二值化差分图像，经形态滤波提取运动变化区域并去噪，通过连同区域得到运动目标边缘轮廓检测出运动目标。 3、在车辆跟踪的研究过程中，研究了CamShift跟踪算法以及Kalman滤波跟踪算法。最后在总结前面的工作基础之上，综合运用背景提取、车辆检测、车辆分割设计实现了车辆目标跟踪系统。