随着交通的发展,交通视频信息的处理越来越重要。基于视频图像的运动目标检测技术是处理交通视频信息的一个重要手段。如何迅速、准确的检测到交通目标,采集交通信息,是视频检测技术研究的重点。本文在总结和分析现有运动目标检测与跟踪方法的基础上,重点研究静态背景下运动目标的检测和跟踪技术。对静态背景下的背景模型建立与更新、目标分割以及目标跟踪等目标检测关键技术进行了深入研究和探讨,对相关算法进行了改进和实现,对实验结果进行了分析。最后,在研究成果的基础上实现了一个交通检测系统。本论文的工作主要体现在以下几方面：1、分析了目前流行的各种基于静态背景的运动目标检测原理与算法,总结了各算法的特点,并根据这些方法的特点提出了一种将帧间差分法与背景差分法相结合的改进目标检测算法。2、在分析比较现有背景提取方法的基础上,提出了一种使用自适应的背景作差法来自动生成背景模型的改进的背景提取方法,并给出了一种带权值因子的背景更新算法。3、着重讨论了目标分割阈值的选取方法。给出了一种利用最大类间方差法自适应计算分割阈值的方法,并对用该方法进行目标像素点与背景像素点分割的原理和方法进行了详细描述。详细描述了用膨胀、腐蚀处理消除噪声,用区域填充法合并邻域最终获取理想分割目标区域的过程。4、着重分析了针对颜色特征的MeanShift无参估计目标跟踪算法的原理,并对该算法进行了实现,对实验结果和算法的优劣进行了分析和总结。详细研究了扩展卡尔曼滤波目标跟踪算法,分析了算法的特点,实现了目标的跟踪与外推预测。5、给出了一种基于团块的跟踪方法。详细描述了基于OpenCV架构的团块目标跟踪方法思想和框架,基于该框架,自定义并实现了一个前景检测模块。6、使用C++语言结合OpenCV技术,在WindowXP环境的Visualstudio6.0平台上开发了基于视频图像序列的交通视频检测系统。开发了交通参数分析显示子系统。通过系统测试,算法满足可靠性和实时性要求。