本文构建了一个针对智能交通的路口车辆目标检测与跟踪系统。随着汽车数量的急剧增加，城市交通拥堵现象日益严重。智能交通监管是缓解交通压力的有效手段，随着智能视频监控技术的发展，道路视频监控逐渐成为了智能交通的核心部分，其异地指挥、24小时不间断监控、对异常情况快速做出判断并警报、以及取证方便快捷等优点，使得道路视频监控成为当今研究的热点。路口的交通环境是最复杂的，车流量大、车辆行为多样化，很多车辆违规行为比如闯黄或红灯、违章掉头、违章转弯、绿灯跟进等均在路口处发生。因此研究路口车辆检测与跟踪具有重要意义。路口车辆视频序列具有车流量大、车辆密集以及运动目标的像素总数占全图像素总数比例较大，即属于近距离视频等特点。如何准确检测分割车辆、如何克服车辆尺寸明显变化是研究难点。本文以城市道路路口为背景，采集具有上述特点的交通视频，针对以上两个难题展开研究。对于车辆检测系统，基于背景建模的目标检测算法适用于摄像机静止拍摄的场景，结合本文需要解决的车辆序列自身的特点，从实际应用的角度，本文提出了一种有效的分割提取前景运动目标的方法：将前景检测图做垂直和水平投影，检测波峰和极值点的方法来获取车体位置，并结合背景差分法与帧间差分法增强了检测的鲁棒性。解决了现有算法无法准确分割该种序列中的运动目标的问题。车辆跟踪系统以Mean Shift算法为基础，针对Mean Shift算法不能鲁棒地跟踪车体明显由大变小的运动目标，导致跟踪至远距离后跟踪失败的问题，本文提出了一种基于视角变换的改进车辆跟踪算法。通过变换视角，将观察到的路面转换为自高空俯视下的路面，道路线由原图中的在远方交汇于一点转换为两条平行线。在这种变换下，车体自身尺寸就不会发生明显改变，改进算法实现了车辆远距离稳定跟踪。实验表明，本文提出的算法在处理道路路口车辆跟踪的场景序列中效果优于其他算法，结合车辆检测系统，本文实现了从大流量、运动像素总数占比大的车辆视频序列中自动检测运动目标并且远距离跟踪。