随着社会经济的发展,汽车的数量呈显著增长的趋势,一方面给道路交通带来了巨大的负载压力,另一方面,由于汽车的违章行驶行为得不到及时有效的遏制,对人们的日常生活产生安全威胁。智能交通系统的出现正是为了解决这样的问题,经过多年的发展,虽然日渐成熟,但是依然有巨大的研究潜力和应用价值。特别是近年,随着高清摄像头的普及和视频监控的发展,传统的地下感应线圈等检测方式正逐步向基于图像或视频的监控系统过渡。在这样的背景下,本人从汽车牌照的角度切入研究,通过对高清图像中车牌的定位和跟踪来对车辆的行驶轨迹进行拟合,根据拟合的轨迹提出车辆违章检测的方法。本文的研究内容分为三大模块,即车牌定位、车牌跟踪和轨迹拟合。主要工作如下：(1)本文提出一种新的车牌定位思路,先在整体低分辨率图像中检测车辆,再在局部高清图像中定位车牌,减少了车牌定位的时间。除此,对常见算法加以改进,提出了基于车牌特征的灰度化和自适应灰度拉伸算法。(2)在车牌初步定位时,使用长程滤波和颗粒滤波过滤边缘二值图像中的噪声,改善了车牌中垂直边缘的提取效果,然后基于HSV颜色空间进行车牌的精细定位,实验证明,定位效果较好。(3)在车牌跟踪模块,为减小跟踪的搜索范围,借助卡尔曼滤波进行位置预测。在建立卡尔曼滤波的状态转移矩阵时,近似认为汽车在相邻帧间隔做匀速运动,由于这种匀速运动是在真实世界坐标系下的,有别于图像坐标系,所以引入了摄像机坐标转换,提出了具体的跟踪算法与定位跟踪策略。(4)利用三次样条插值完成了对车牌跟踪轨迹的拟合和分析,并结合交通法规判断车辆是否超速、逆行、压线等违章行为,达到了预期的效果。