与传统的车辆检测器相比,基于视频图像处理与视觉技术的车辆检测器具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点,因而近年来在智能交通(ITS)中得到了越来越广泛的应用。针对视频交通序列图像,人们提出了很多视频图像处理和分析技术,其中运动车辆的有效检测和跟踪是现代智能交通系统中的核心部分,也是计算机视觉研究的一个重要领域。本文基于从固定摄像头提取视频图像,并从提取出的视频图像序列中检测并跟踪运动车辆,从而提取交通参数来辅助解决交通问题。完成的主要研究工作如下:1.运动目标车辆的检测。使用背景相减法获得运动目标。运用一种基于区间分布的自适应背景提取和更新方法获得背景;然后运用背景相减法结合阈值化来检测运动目标车辆,并对图像的平滑处理、增强、边界检测、噪声去除等方面做了分析和研究。实现了视频序列中运动车辆的有效检测和提取。并对运动车辆的阴影问题进行处理,以现有算法为基础,去除检测车辆的阴影。2.运动车辆跟踪。本文提出了一种基于彩色特征的扩展卡尔曼滤波跟踪方法,利用卡尔曼滤波理论建立运动模型,通过车辆特征进行预测,预测得到的运动目标和当前帧中目标进行匹配,确定其运动轨迹,对运动车辆进行跟踪,进而可以得到车速、车流量等重要的交通参数,由于彩色特征比灰度特征包含更多信息量,而且具有平移和旋转不变性。通过提取目标车辆的彩色特征可以很好的解决车辆转弯和车辆遮挡的问题,并且可以进行准确目标定位跟踪。我们对算法进行了的模拟仿真实现,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,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。