运动目标的检测和跟踪是计算机视觉领域研究的一个热点问题,它的主要任务是发现并定位视频图像中的目标,然后进行识别和分析判断。运动目标检测和跟踪的研究目的是使机器具有人类的视觉感知能力,可以辨识图像序列中的运动目标,从目标中提取重要的数据信息进行分析和理解,但是图像在采集过程中通常会受到各种干扰,比如复杂的图像背景或者目标本身的运动引起的遮挡等问题。论文主要针对实际应用中不断出现的新问题,分别从目标检测和目标跟踪两个方面分析,阐述论证现有算法的优缺点,提出改进的方案,并围绕交通监控系统中的具体应用展开论述。首先,论文研究基于背景建模的运动目标检测算法和简单的非背景建模法。非背景建模法中详细的介绍了帧间差分法以及光流法,分析了各自的应用场景,实验论证了算法的有效性和局限性。详细介绍了一些经典的背景建模算法,相应地给出实验结果和分析,提出了算法存在的问题。针对混合高斯建模算法和ViBe背景建模算法中存在的不足提出了改进方法,阐述了相关理论并进行了实验论证。其次,论文研究运动目标跟踪算法。选择介绍了一些经典的跟踪算法：Camshift跟踪算法,卡尔曼滤波跟踪算法,基于压缩感知理论的跟踪算法。给出每种算法的基本原理,并对算法进行实验论证,分析存在的问题。针对Camshift算法的不足,将Kalman滤波引入到Camshift跟踪算法中,进行了一定的改进。论文还介绍了基于视频的车辆检测分类与跟踪系统,进一步验证了改进算法的优越性。系统的开发可以分为硬件设计、图像预处理、移动车辆检测、运动目标分类、运动目标跟踪五个阶段。目标分类阶段提出一种计算Haar特征的Adaboost级联分类器来实现车辆识别的方法。最后根据实际应用需要,给出系统的测试结果、数据及其分析。