基于频监控技术的车辆检测方式近年来发展很快，由于它具有检测区域大、系统设置灵活等突出的优点，已成为智能交通系统领域的一个研究热点。视频监控技术为交通系统提供了直观、方便的分析手段，因此以视频图像处理、分析、理解为基础的视频监视技术越来越引起人们的重视。本文针对智能交通中的关键技术，研究了基于视频车辆跟踪的方法，以及如何利用跟踪的结果进行交通参数的提取和交通事件检测。本文分为三部分进行论述：1．车辆检测方法。在背景提取方法上，采用在YUV颜色空间下的基于非参数模型的提取背景方法；在影阴检测方法上，不仅利用像素点的颜色特点，而且利用的车辆的空间结构信息。2．讨论了在摄像机固定情况下运动车辆的跟踪问题，研究并实现基于区域的多目标跟踪算法，对于多目标跟踪中的目标匹配和分裂问题进行了详细的介绍。采用Kalman滤波理论建立了运动车辆状态预测线性模型，该模型采用8自由度的向量来描述系统状态，可以缩小搜索范围，加快搜索速度。跟踪实验结果表明，该算法可以较好的跟踪运动目标。3．交通信息的提取。首先利用跟踪的结果进行车道拟合，当认为车道宽度为固定值时就可以进行车辆状态信息的检测和交通事件的检测，并且可以提高目标的识别的鲁棒性。然后详细的分析了车型、车速与跟踪结果之间的关系，给出了计算公式。本文针对车辆的跟踪与交通参数提取系统的一些问题，提出了一些解决方法，通过实验证明，这些解决方法是可行的。