智能交通系统ITS(Intelligent Transportation System)是计算机视觉技术、图像处理技术、通信技术在交通领域的应用,其目的在于充分利用现有的道路设施资源,改善车、路、人之间的相互作用,从而从整体上提高交通的经济性。在智能交通系统中,对运动车辆实现无人监控是当今研究的热点问题,本文针对交通监控系统中运动车辆的检测与跟踪算法展开以下研究:1、提出了基于HSV颜色空间的背景提取与车辆检测。与目前大多数的RGB颜色空间的背景提取与车辆检测方法相比较,基于HSV颜色空间的背景提取与车辆检测是一种比较有效、新颖的方法。在背景提取中,利用背景图像的像素点基本符合高斯分布的特点,为每个像素点的H、S、V分量建立混合高斯模型;对于背景、前景的判断,充分利用颜色信息,以达到最佳的背景提取效果。在背景更新算法中,考虑了学习率的问题,并且有效的利用原背景的像素点,有效的避免了偶然因素对背景的影响,增强了算法的鲁棒性。2、在车辆检测出来以后,对于阴影的处理,本文提出了一种改进的HSV颜色空间的阴影检测算法,即在原有的HSV颜色空间的阴影检测算法的基础上,引入了一阶梯度剪除算法,增强了原算法的有效性和鲁棒性。同时,与RGB颜色空间相比,在HSV颜色空间下处理阴影,其算法更加简单、快速、有效,这也与背景提取和车辆检测的颜色空间相一致,增加了整个算法处理的效率。3、在车辆跟踪方面,首先计算选定的ROI区域的H分量的色彩直方图,并将其扩展为整个原始图像的色彩概率分布。然后运用均值平移算法计算被跟踪目标的质心,并将质心坐标和窗口大小作为离散卡尔曼滤波器的特征向量,最后利用离散卡尔曼滤波器实现对运动目标的跟踪。实验表明,本文的算法在背景提取、车辆检测、阴影检测的准确性、鲁棒性上,以及在车辆跟踪的效果上,都具有很好的表现,能适用于复杂场景、多运动车辆的检测和跟踪。