智能交通系统（Intelligent Transportation System）是一种融合信息技术、通信技术、自动控制等多种技术的交通运输管理系统。ITS系统能够缓解交通拥堵、减少交通事故以及提高道路利用率。使用计算机视觉技术实现智能交通系统中信息的采集具有安装方便、信息量大的优点，是一项具有研究价值的课题。对交通视频中车辆的自动检测与跟踪是其中最基础的部分，本文针对这两个部分进行了研究。在车辆检测部分，本文采用背景相减法对车辆进行提取，该方法能够得到完整的车辆外形轮廓。同时利用多帧平均法生成实时背景，结合帧间相差法对背景的更新速率进行调整。该方法计算速度快，能够提高背景的更新速率以及较好的对车辆拖影进行抑制，生成的背景能够满足车辆提取的需要。然后运用数学形态学对车辆的二值图像进行处理，提高车辆提取的准确性。在运动车辆的跟踪部分，基于区域的目标跟踪方法具有算法简单、容易实现的优点，因此本文采用区域跟踪方法对车辆进行跟踪。同时结合Kalman滤波对车辆的位置进行预测，这样能够减少车辆匹配的计算时间，提高跟踪效率。当出现车辆互相遮挡的情况，本文将基于车辆颜色信息的Mean-shift跟踪算法与Kalman滤波相结合对连接车辆进行跟踪，首先使用Kalman滤波预测车辆的位置，然后Mean-shift算法从预测位置开始对车辆进行搜索，这样可以减少Mean-shift算法的搜索次数。为了提高Mean-shift算法对车辆的搜索能力，本文根据车辆在相邻帧中尺寸变化率相对固定的特点，利用车辆尺寸的预测值来确定算法的核带宽。通过对交通视频进行实验，结果表明本文的跟踪算法能够对连接车辆进行有效的分割，从而提高车辆跟踪的稳定性。