随着现代智能化的发展,智能交通系统(ITS)在解决交通问题中发挥了重要作用,并且在ITS中实时车辆检测与追踪是研究热点之一。以往通过安装检测设备可以任意时刻地进行车辆检测与追踪,但由于设备的固定性不能做到任意地点的车辆检测,所以本文提出了基于安卓移动端的运动车辆视频监测技术研究,这对于研究ITS中交通信息的采集起着重大意义。主要研究内容如下:(1)基于改进Vibe背景建模算法的前景目标检测。运动车辆的前景目标检测是实现车辆追踪的前提,课题分析对比了背景减除法、光流法、帧差法等目标检测方法的优缺点,其中基于Vibe背景建模的背景差分法不仅可以准确的提取运动前景目标,而且具有较快的数据处理速度,适合运动车辆检测领域。传统Vibe算法在进行运动目标检测时存在鬼影区长时间无法消除的缺点,为此课题提出一种新颖的融合均值背景帧的改进Vibe算法,实验结果显示改进的Vibe算法可以更快地消除鬼影。(2)基于特征匹配的Kalman滤波追踪算法。考虑到车辆检测系统最终被应用的移动平台相对于电脑性能低的特点,不宜使用较复杂的追踪算法,最终采用基于特征匹配的Kalman滤波目标追踪算法。利用Kalman滤波预测前一帧前景目标的质心在下一帧的位置,将这些预测位置与新一帧的前景目标质心进行匹配,在前一帧中成功匹配的目标预示跟踪成功,并将没有匹配成功的目标加入到车辆计数中,完成车辆计数功能。(3)跨平台程序移植的实现。通过研究Android系统平台及其它相关技术,将使用OpenCV开源计算机视觉库在PC端实现的车辆检测程序移植到Android平台上,不仅增加了车辆检测的灵活性,而且也扩大了Android平台的应用领域。