智能交通系统(ITS)在许多领域如车辆检测、识别、流量统计和交通参数估计等领域都是热点研究。监于对应用工程中的低价硬件设备的期望和算法研究的不断进步,计算机视觉已变成交通监测系统中非常有前景的基础技术。由于视觉传感觉器相对传统的传感器而言,能提供更多的信息,因此应用更为广泛,ITS也更注重以视觉检测为基础的交通监控系统。本文主要研究基于实际应用的自适应的车辆检测技术,包括一种背景模型的建立方法、一种咬合车辆分割和车型识别方法、一种车辆跟踪方法。主要工作概括如下:首先,介绍了数字图像中的一些基本的概念与处理模式,然后对比分析了现有几种背景模型建立方法,针对处理背景中由于车流量大时车辆突然开动或停止的车辆突然开动产生的“鬼影”,提出了一种基于同态滤波的背景建模方法。这种方法既能应对光照渐变又能处理“鬼影”问题,并能自适应更新背景。其次,对比了几种现在车型识别方法,针对实时性和复杂度,提出了种基于视觉长度与视觉宽度的车辆检测方法,此方法主要是对视觉图像粗分割之后的图像进行处理的,主要包括一种对咬合车辆的分割算法和车型识别方法,通过实验测试,此方法在不同的环境天气中都能很好的检测出监控区域中的车辆,对每帧的处理时间少于28msec。最后,针对几种常见的目标跟踪算的计算复杂、难以实现,本文提出了一种基于视觉长度的目标跟踪算法,是属于基于特征匹配的车辆跟踪算法,该算法计算简单,便于实现,可节省大量时间。