基于视频的交通检测系统具有检测范围广、能够追踪检测特定车辆等特殊优点，因而在交通信息采集与管理中扮演了越来越重要的角色。车辆跟踪技术是视频交通检测系统的核心技术，本文在深入分析国内外研究现状基础上，针对实际交通场景存在的跟踪目标不唯一和相近颜色干扰等复杂情况，提出了一种基于运动矢量和CAMShift算法的多目标车辆自动跟踪技术。　　 论文提出的多目标车辆跟踪技术研究包括多目标车辆检测、车辆位置预测和车辆特征匹配三个具体技术。在多目标检测环节，论文通过对比分析几种常用目标检测方法，确定采用背景差分法进行目标车辆的检测，并重点研究了背景建模与更新、目标粘连处理、目标筛选及初始化等关键技术，实现了多目标的准确提取、分离及新目标筛选，为多目标车辆跟踪提供了初始目标模板。在车辆位置预测方面，论文采用块匹配算法来进行车辆的运动矢量的计算;在此基础上，依据车辆运动矢量运动一致性特点，通过矢量中值滤波和最大频率法统计分析了车辆区域的运动矢量矩阵，并选取了最具代表性的运动矢量作为车辆的运动估计的依据，构建了基于运动矢量的目标位置预测模型。在车辆特征匹配环节，论文针对传统CAMShift算法仅能进行颜色特征匹配的缺点，提出了通过颜色和边缘特征融合的改进方法，提高了车辆特征描述的完备性。结合目标车辆检测、车辆位置预测和车辆特征匹配三个具体技术，论文最终构建了基于运动矢量与改进CAMShift的多车辆跟踪方法，实现了多车辆目标的自动跟踪并准确提取车辆的运动轨迹。　　 论文提出的多目标车辆跟踪技术在相似颜色的背景和相邻车辆干扰、部分遮挡、目标尺度变化等复杂情况下表现出良好的性能，提取的车辆轨迹能够准确描述车辆的运动，跟踪精度相比传统的方法有较大提升。