基于视频的运动车辆检测与跟踪系统是智能交通系统的重要研究内容之一,它融合了图像处理、人工智能、自动控制等相关领域的研究成果,在交通运输及管理领域有着广泛的应用。因此,研究基于视频的智能交通系统中的关键技术并提高智能交通系统的性能具有重要的理论意义和广泛的应用价值。本文针对复杂场景中的车辆检测与跟踪所存在的主要问题进行了研究,并对复杂场景排除干扰,准确跟踪等问题提出了解决方案。本文的主要研究工作如下：在图像预处理方面,由于采集的视频存在各种噪声,采用图像的灰度均衡化,中值滤波等图像处理技术对视频图像进行预处理,使图像质量得以改善,为后面的车辆检测与跟踪做好准备。在运动车辆检测方面,首先对背景差分法和帧间差分法进行分析讨论及仿真试验,由于背景差分法对光线变化和动态场景变化等外界干扰非常敏感；帧间差分法不能很好提取所有特征像素点。本文采用自适应背景差分法结合图像处理技术,在没增加计算量的前提下,能适应一定程度的场景变化并能提取比较完整的特征像素点,进而提取出完整的运动目标车辆,为后面车辆特征提取工作打好基础。在运动车辆跟踪方面,本文利用自适应交互式多模型卡尔曼滤波器建立匀速、匀加速模型,预测被跟踪车辆在下一帧中可能出现的位置,确定搜索范围,再结合本文给出的特征匹配算法有效地对拐弯、遮挡等运动车辆进行跟踪。最后对跟踪算法进行了试验仿真,并对其实验数据进行了分析。试验结果表明,基于自适应交互式多模型卡尔曼滤波的车辆跟踪模型比较符合实际情况,能可靠地预测与跟踪车辆的运动轨迹。最后,采用LabVIEW开发平台设计了一个基于AIMM与特征融合的车辆跟踪系统。该演示系统初步验证了其算法的可行性。