智能交通系统(Intelligent Transportation Systems)简称ITS,是当前计算机视觉领域研究和关注的重点。在ITS中,车辆检测和车辆跟踪是智能交通系统的基础。随着计算机科学技术的发展与进步,出现了很多与车辆检测和跟踪相关的算法。本文针对车辆检测与跟踪算法中存在的缺点和不足进行比较分析,在以下三个方面做出研究:(1)针对车辆检测过程中存在的背景更新问题,本文基于背景差分算法提出一种固定窗口的背景图像更新算法用于运动车辆的检测。该方法首先为每一个像素点建立固定窗口来减小背景更新的计算量;其次,通过控制窗口长度来满足算法的实时更新问题;最后将当前帧图像与获取的背景图像采用背景差分算法进行车辆检测,经实验数据验证,采用该方法能够检测到较为完整的运动车辆。(2)针对运动车辆区域内的阴影消除问题,本文基于灰度图像,提出一种基于改进的自动标记与OSTU双阈值灰度增强算法相结合的车辆阴影去除方法。该方法首先通过像素点压缩和释放的方式对自动标记算法进行改进;其次,对OSTU双阈值图像分割后的分割区域进行不同程度的灰度增强;最后,使用背景差分算法进行阴影消除,最终获得不含阴影的车辆。该方法与常用的几种阴影消除算法相比,阴影消除效果较好。(3)针对车辆跟踪与车速估计问题,本文提出一种基于质心特征提取的车辆跟踪算法。算法以链码差为前提进行遮挡车辆的分离,对于后续获得的前景掩码,文中选择采用质心特征提取实现运动目标跟踪,随后将文献中已有的两种车速估计算法应用于后续的车速计算中进行车速估计。