近几年来,社会经济的发展促使道路交通迅速发展,机动车数量不断增加。为了解决地面交通迅速发展所引发的各种问题,需要在不破坏路面的情况下使用计算机结合图像处理、模式识别等学科知识获得交通参数。然后通过行为理解和智能分析来解决交通问题。可以用来指导解决交通拥塞、道路的宏观规划、以及高速公路的自动收费系统等。视频的检测与跟踪系统从运动图像序列中检测、识别、跟踪车辆,从而获得准确的交通统计量,检测与跟踪的正确与否直接关系到智能交通系统决策的正确性。本文从视频中检测与跟踪车辆,从而提取交通参数来辅助解决交通问题。主要内容分为三个部分:目标车辆的检测、阴影去除和车辆跟踪。具体内容如下:1.目标车辆的检测。目标车辆的检测使用背景相减法获得运动目标。为了获得可用背景,首先我们提出一种基于区间分布的自适应背景提取和更新方法,从而来获取和更新背景;然后用背景相减法结合阈值化以及形态学操作来检测运动车辆。其中背景的提取与更新方法采用灰度级量化和两个衰减权值来减少历史信息的影响,从而克服环境光线变化,并通过引入两个判别函数来解决背景更新中的死锁问题。2.阴影去除。由光照产生的阴影会严重影响车辆检测与跟踪系统的准确性。本文在现有算法基础上进行改进,先采样阴影点,计算采样阴影点的阴影属性,利用物理特征求得阴影和车辆分布,最后利用高斯函数的特性来去除阴影。因为使用的是真实阴影的属性,所以去除阴影的效果比很多方法有效。3.车辆跟踪。本文提出了一种基于离散小波变换的扩展卡尔曼滤波跟踪方法,该方法在准确定位的同时减少了计算的复杂度,其中利用索引表判断遮挡发生和解除的时刻,并用特征匹配解决跟踪问题中的遮挡难题。试验图像数据表明该系统更具鲁棒性和准确性,并且从算法实现的角度来看,具有简单易用、实时性高的特点。我们对算法进行了的模拟仿真,测试了目标车辆检测、阴影去除和车辆跟踪等算法的性能。实验结果表明,我们提出的方法实时性强、准确率比较高,适合在真实场景中使用。