近年来，智能交通系统在交通运输领域有了长足的发展，它通过实现交通道路监控过程的智能化管理，不但有效地节约了交通管理的人力和物力资源，也使得车辆通行的效率和交通安全性得到了显著提高，对国民经济的增长起到了巨大的推动作用。基于计算机视觉技术的交通智能监控和管理方法是智能交通领域的新兴研究热点，利用图像处理技术能够快速有效地实现交通车辆的检测和路面跟踪，该方法具有成本低廉和易于维护的优点，其实用性和经济性得到了业界的广泛认可。隧道环境大量存在于高速公路和城市道路中，是车辆通行的瓶颈路段和事故多发地段。公路隧道环境集合了多种交通环境中常见的复杂状况，对交通监控方案在该环境下的实施提出了巨大的挑战，因而具有很高的研究价值。本文主要针对公路隧道环境下的视频监控方法，特别是车辆检测和定位跟踪的智能算法进行了深入的研究。首先，本文对课题的背景知识和研究意义进行了阐述，解释了智能交通系统的概念以及其国内外的发展现状，并对公路隧道环境的特性和算法设计所要解决的难点进行了分析。然后，介绍与分析了基于视频的运动目标检测与跟踪算法及其适用范围，并对常用的运动车辆的特征提取方法进行了阐述。其中，重点针对运动目标检测中的背景建模问题进行分析，并基于单高斯分布提出了一种能够同时适应突变背景和渐变背景的延时背景更新模型。接着，针对公路隧道路灯环境进行研究，对该环境下适宜的基于纹理特征的车辆提取方法进行了概述和分析，针对当前方法对光照影响适应度不足的问题，提出了一种基于局部归一化处理的运动车辆提取方法，实验证明该方法对隧道路灯环境下的车辆目标提取有较好的效果。最后，针对公路隧道无路灯环境进行研究，从车头灯检测角度提出了一种具有较好鲁棒性的车辆检测方法，该方法依循“先跟踪后聚类”的思路，充分利用了运动目标的时域信息和空域信息实现了准确的车辆定位和跟踪，并通过仿真实验证明了该方法在隧道无路灯环境下良好的检测准确度。