机器视觉技术通过模拟人眼的功能，对现实的世界做测量、判断及分析，它的诞生为人们的工作和生活带来很大的便利，也为许多领域的研究和应用开辟了新的道路。随着交通问题的凸显，智能交通系统（ITS）的提出为解决交通难题提供了系统的解决方案，机器视觉技术的引入已经成为ITS中的一个重要研究方向和必然趋势，而基于视觉的运动汽车跟踪问题的研究也成为近年来备受关注的热点，如何在复杂的交通视频中实时准确地检测并跟踪多运动车辆，是目前研究的难点和热点，本文针对这一问题展开研究。 在对当前基于视觉的运动目标检测和跟踪方法分析和总结的基础上，针对大范围、复杂背景下运动汽车的跟踪难题进行了深入的研究，首先在检测环节提出了相关改进措施，如先增强后处理的方法、选择统计性背景更新算法、背景消减和对称差分法相结合的综合检测算法等，为更好地提取运动目标信息和跟踪处理提供依据。 在运动汽车的跟踪环节，利用基于模型跟踪方法的优势和特点，结合运动汽车的形体特征，建立了运动汽车的立方体模型，并提出了基于模型的匹配算法；同时介绍了目前常用的运动目标跟踪数学处理方法，以及适用各方法的运动目标特点，根据运动汽车的非线性特征，引入EKF算法对运动信息进行跟踪和预测，提出了基于立方体模型和EKF算法的跟踪框架，并对基于立方体模型和EKF算法的实现做了详细的阐述。 通过对上述算法的仿真分析，结果表明，本文采用的算法能够得到较好的检测和跟踪效果，为运动汽车的跟踪研究和应用提供一个有效的数据来源，为解决ITS中的难题及更深层次的应用打下良好的基础，同时也能为机器视觉在其它运动目标的检测和跟踪应用中提供指导和借鉴意义。