图像序列中动态目标的检测与跟踪已成为计算机视觉的一个重要的研究方向。随着计算机硬件技术和计算机视觉技术的发展，基于计算机视觉的ITS、无人侦察技术等称为可能，其中视频移动目标的实时检测和跟踪是核心部分。目前存在的检测和跟踪技术在复杂场景下、大范围、多目标的情况下，运动目标的分割和跟踪的效果不是很理想，需要进一步的改善。本文提出了针对运动车辆进行实时检测和跟踪的算法，适用于大面积、多目标的复杂场景，能排除干扰，可应用于高速公路和城市交通中。 运动目标检测的研究对象是视频序列图像，本文首先介绍了运动物体的视觉检测原理以及序列图像分析的一般方法。由于车辆等移动目标采集自真实的路面环境，目标背景物复杂多变，目标轮廓受光线及角度的影响比较大，并且采集的序列图像有一定的抖动和位移。因此本文研究了序列图像之间特征点的对应方法，在对图像序列的处理过程中采用了利用阴影特征进行相关特征匹配的运动目标检测算法。该算法首先在图像中定位存在阴影的区域，并用二值化的图像对阴影的特征进行分析，通过连续图像的分析确定同一个目标阴影，然后利用阴影图像自差分结果与二值化图像作图像与操作，确定阴影区域的轮廓线，分割出目标的运动区域，从而获得目标位置。 由于不仅仅是车辆会产生阴影，所以目标检测后产生多个阴影区域，其中不完全是车辆目标，为此本文采用了目标识别的方法，将目标从众多的可疑区域中识别出来，提高了检测和跟踪的精度。对于检测产生的轮廓区域利用小波变换将图像表示成向量的形式，然后利用SVM(支持向量机)分类器对目标进行识别，识别确认后的目标区域作为下一步需要跟踪的目标，其中SVM分类器是利用事先采集的车辆样本训练产生的。 本文还利用了卡尔曼滤波器的运动跟踪模型，来实现对运动目标的跟踪。对于识别后的目标，利用初始化后卡尔曼运动跟踪模型，对目标车辆的运动做出简单的估计，由于卡尔曼滤波模型的运动估计能够预测下一帧目标的大体位置，所以可以利用模板匹配的方式来大体定为目标，减少了目标检测的运算量。 从处理的结果看，本文提出的移动目标检测和跟踪的方法，能够在真实的路面环境中比较准确的实现大范围、多目标的跟踪，而且数学模型简单，系统具有很强的鲁棒性和实用性，能完成车辆检测和跟踪的任务。