随着计算机硬件技术和计算机视觉技术的发展，基于实时图像处理的交通监控系统成为当下的发展趋势，而视频车辆的检测与跟踪是智能交通系统的核心部分。本文研究的是利用图像处理技术对高速公路上的车辆进行实时监控，采用基于运动车辆检测和跟踪的方法来对车辆进行测速，为智能交通系统提供交通参数。本文对摄像机标定方法做了研究，并采用一种标定方法，并提出通过检测车道线中的一些点来完成坐标输入。本文提出了针对运动车辆进行实时检测和跟踪的算法，适用于大面积、多目标的复杂场景，能排除干扰，主要应用于高速公路上。本文提出了在车辆检测之前先做行车区域检测，通过行车区域检测排除行车区域外的干扰。然后通过实验数据对于目前几种有代表性的背景模型进行了比较，找出其中的优缺点，结合这些方法进行改进后，提出了基于亮度与亮度梯度信息的混合高斯模型。该背景模型较好的解决了背景模型的初始化、更新、背景干扰、外界光照等问题，在背景、前景的判断上，充分利用了亮度与亮度梯度信息。使得系统的背景模型既能够满足背景随时间渐变的统计特性，又能够兼顾系统的噪声以及一些突发的干扰因素。在背景差方法上提出了基于三层结构的背景差算法，从三个层次来保证车辆检测的准确性。在运动目标跟踪方面，本文使用了基于扩展卡尔曼滤波器的目标跟踪，并对滤波器的构造、更新做了改进，然后提出了三种匹配原则，综合预测和搜索匹配，并考虑遮挡问题提出了一个完整的跟踪算法。最终根据跟踪的结果可以计算出车辆的速度。本文最后还提出了视频测速系统的设计方案。总之，本文对视频测速目标检测和跟踪问题进行了深入的分析和研究，提出了自己的方法去解决这些问题，并且对多个方法作了实验，实验结果表明，本文提出的方法能够满足实际系统的的要求。