智能交通是未来交通的发展方向,而基于视频的车辆检测和跟踪技术又是其关键技术之一。本文分别对视频检测技术和跟踪技术作了研究分析,并对其中的一些技术上进行了改进,使之能适应更为复杂的场景。视频检测方法主要包括背景差分法和帧间差分法。其中背景差分法最为直接和有效,该方法建立一个参考背景图像并将其与当前输入图像进行比较,从而分割出前景目标车辆。由于实际交通道路状况受气候、光照等多种因素的影响,变化非常复杂,因此如何设计一种能适应实际环境的变化的背景重建算法,是背景差法的关键所在。在详细分析了已有的背景重建算法的基础上,本文提出采用一种基于块拼接与均值背景相结合的背景估计方法,通过背景差分法来检测运动目标。再利用动态轮廓算法,提取车辆的轮廓特征。而轮廓信息的准确获取,对车型识别及车辆跟踪算法有着重要的意义。因此,本文比较详细的论述了动态轮廓算法的原理、数值计算方法及各种改进模型。本文的研究创新点和贡献主要包括:提出了一种基于块拼接与均值背景相结合的背景重建算法,该算法具有很好的准确性和鲁棒性;提出了一种基于改进的Snake模型的运动目标跟踪算法。该算法在兼顾准确性的同时,增加了鲁棒性,具有很好的实时性,能满足对视频中单一车辆跟踪的要求。试验结果表明,本文设计的背景重建算法能适应晴天、阴雨天等各种环境,具有较高的检测率;基于改进的Snake模型的运动目标跟踪算法能够很好的对单一的运动目标进行实时的跟踪。当然,本文的工作仍存在一些问题有待进一步研究,如:怎样解决目标检测与跟踪过程中车辆之间的遮挡问题,以及如何对多个目标同时进行跟踪等。