在交通视频序列中,运动目标的检测和跟踪是智能监控系统最重要的部分。经过多年的研究,这项技术已经有了很大的发展。但是,由于现实环境中的复杂因素,运动目标的检测和跟踪仍然是研究的重要内容。本文研究的内容是基于云台摄像机道路事件检测方法。在对道路事件进行检测时,主要研究的是车辆的检测和跟踪方法。针对现有的文献及OpenCV跟踪框架在一些天气多变、车辆阴影较大、雨天、光照朦胧以及夜间等复杂的环境下,对于车辆的检测和跟踪效果不理想的问题。本文选择了其中车辆阴影较大和夜间的两种情况进行研究。以及对云台摄像机移动后,破坏道路标线的问题进行解决。本文主要的工作有以下几个方面。首先,对阴影检测方法进行研究,使得在车辆检测和跟踪时,能够不受阴影的干扰。研究实现一些经典的阴影检测方法。根据这些方法在阴影检测方面的不足,给出了一种将基于HSV颜色空间和基于梯度相结合,并运用团块思想的阴影检测方法。其次,对夜间车辆检测和跟踪的方法进行研究。在研究夜间车辆检测方法时,是基于车灯来检测车辆。本文改进了车灯检测的方法,使其能准确的和自适应的对车灯进行检测。在研究夜间车辆跟踪方法时,给出了一种车辆跟踪算法。该算法先是对单车灯进行跟踪,然后,将特征相似的单车灯进行配对,作为一辆车进行跟踪。再次,针对云台摄像机移动以后,道路线被破坏的问题。本文给出了一种道路重构方法。使其在云台摄像机移动后,能够重构出原有的道路模型。该方法是利用现有的图像拼接技术实现的。最后,根据车辆跟踪轨迹和车道线,来判断车辆逆行、违章停车、超速、慢行等道路事件。然后将本文的算法用OpenCV实现,并将其和OpenCV现有的跟踪框架进行实验对比。通过实验结果验证,OpenCV跟踪框架在添加本文算法后,能够提高车辆跟踪的效果。