基于视频的动态目标检测与跟踪是计算机视觉领域的一个研究热点,在公共安全、军事制导、交通监控等方面得到了越来越广泛的应用。运动车辆的有效检测和准确跟踪是现代智能交通研究核心部分。本论文在总结和分析现有的车辆检测和跟踪技术的基础上,重点研究摄像头固定下运动车辆的检测和跟踪技术。基于视频的检测与跟踪系统易于安装、工作稳定、具有丰富的可视信息,代表着智能交通监控系统的发展方向,是目前国内外研究的热点。本文对智能交通系统中的车辆检测、车辆跟踪以及硬件系统实现3个关键环节进行了分析研究,主要工作如下：(1)车辆检测：针对传统动态目标检测算法的不足之处,提出了一种基于三帧差分和边缘信息结合的运动车辆检测算法,该算法能够完整的提取运动目标的轮廓,基本上保留了所有运动目标的信息,对车辆阴影的消除效果很好,抗干扰性强,对环境变化具有更好的鲁棒性,提高了运动目标检测的效率和准确性。(2)车辆跟踪：针对传统的基于特定颜色特征的Cam Shift算法容易受到复杂环境如光照变化、相似背景等干扰而导致无法有效跟踪动态目标的问题,本文提出一种基于多特征融合的Cam Shift跟踪算法,将局部三值模式(LTP)纹理特征与颜色特征相结合来描述被跟踪目标,有效地提高了Cam Shift跟踪算法的鲁棒性和准确性。(3)硬件实现：对基于视频技术的车辆检测与跟踪硬件系统设计及实现,依托于德州仪器(TI)公司的达芬奇系列中的TMS320DM6467芯片搭建了基于三帧差分与边缘信息结合的车辆检测系统以及基于改进Cam Shift算法的动态目标跟踪系统。最后利用实现的系统对不同算法下的道路违章情况进行测试,测试结果达到设计要求,具有较好的实际应用价值。