智能视觉监控作为图像处理与计算机视觉领域中一个涉及多学科的研究前沿，它不仅有极其重要的科学意义和广阔的应用前景，同时更富有巨大的挑战性。不同的智能视觉监控系统所肩负的任务也是各不相同，目前针对不同的研究对象已经开发了许多监控系统和相关算法。但是，运动目标的检测与跟踪仍然是最基础的两项核心技术，它们是后续的各种高级处理和应用的基石，也是视觉监控系统自动化、智能化和实时应用的关键。 本文以摄像机处于运动状态下输出的视频图像序列为研究对象，实现了一个有效的运动车辆目标的检测与跟踪系统。在摄像机运动的条件下，仅仅靠单一的检测算法很难分割出完整的运动目标。本文利用图像中的感兴趣点(特征点)的信息，通过背景补偿很好的消除了摄像机自运动对运动目标检测分割的影响。其中在关键的对应点的跟踪匹配过程中，提出了一个基于金字塔模型的特征光流稀疏迭代算法，该算法在特征光流的计算中采用由粗到细的金字塔层级匹配算法，能够检测大的运动速度并且具有更好的匹配精度。同时还尝试了极线几何在对应点搜索技术中的应用。在充分研究了现有跟踪方法的基础上，提出了利用Kalman滤波技术和基于多信息合成的动态模板的跟踪方法。在车辆目标的跟踪当中充分利用了检测模块的结果，动态模板的更新策略加入了特征点的信息，较好的解决了部分遮挡情况下的模板更新问题，同时利用Kalman滤波对运动状态进行估计，使得跟踪更具有主动性。对运动车辆目标真实图像序列的实验结果表明，本文提出的检测与跟踪系统具有精度高、实时性好和鲁棒性强等优点。