随着经济和科学技术的发展,人类社会进入了一个快速发展的新时期。交通工具的增长速度倍增于道路和其他交通设施的增长,所以随之引起的交通拥堵、环境污染、交通事故等一系列交通问题日益凸显。而基于计算机视觉的运动车辆检测与跟踪技术已成为解决智能交通诱导问题的有效措施。本文主要对交通诱导中运动车辆检测与跟踪的方法及出现的问题进行研究,以期解决交通诱导环境下运动车辆的检测和跟踪问题。本文主要工作如下：一、详细阐述了三种常用运动车辆检测方法的原理,并对三种方法的优劣进行了分析。针对交通诱导环境中视频图像背景相对静止的特点,着重对基于平均时间的背景重构差分法、基于像素灰度归类的背景重构差分法和基于混合高斯模型的背景建模差分法的运动车辆的检测方法进行了研究,并通过对实验结果的对比分析,选择了基于混合高斯模型的背景建模差分法为运动车辆的检测方法。二、针对运动车辆检测过程中图像中的阴影问题,在分析阴影去除算法的基础上,给出了一种基于HSV颜色空间的阴影去除算法,并对该算法进行了实验,实验结果表明,该方法具有较好地阴影去除效果。针对提取出的运动车辆区域的不完整性问题,本文给出了一种先膨胀后腐蚀的数学形态学滤波方法,有效解决了该问题。三、研究了四种基本运动车辆跟踪方法的原理,对四种方法的优劣进行了分析。重点研究了基于SIFT特征的运动车辆跟踪方法。针对SIFT方法的高维特征向量会影响跟踪的实时性问题,提出了一种用PCA对SIFT特征向量进行降维处理从而提高跟踪实时性的SPA算法；基于此改进,SIFT算法跟踪的实时性得到了提高。四、描述了交通流诱导中运动车辆检测与跟踪的实验原理、步骤,给出了流程图以及实验结果,并对实验结果进行了探讨分析；对车辆跟踪中发生的遮挡情况进行了分析,给出了常用的解决方法。