自动视觉监控是计算机视觉的一个重要研究领域，它在交通信息监测以及银行、宾馆、车站等重要场所的监控中有广泛的应用前景。本文以智能化视频道路交通监测系统中运动车辆的检测与跟踪为应用背景，对运动目标检测中背景更新、阴影和车灯投影噪声的消除等一些难点问题进行了深入的分析研究，提出了一个稳定的运动车辆检测和跟踪的算法，并在此基础上完成了实用的视频道路交通监测系统的设计与开发。主要内容如下：1． 基于户外自然光照系统的特点，建立了基于图像差分直方图和递推最小二乘滤波（Recursive Least Square Filter,简称RLS滤波器）的局域化背景和光照变化模型，提出了自适应的背景判断和更新算法。实验结果表明算法可以有效抑制噪声，能够稳定地跟踪实际环境中自然光照条件的变化。2． 针对阴影干扰的消除，提出稳定的运动车辆检测算法，从图像差分直方图中提取特征，应用具有很好扩展性的支持向量机（Support Vector Machine,简称SVM）分类器进行阴影与车辆的分类，实验结果令人满意。本文还将此方法用于夜间车灯投影干扰的检测与消除中，也取得比较好的效果。检测算法还对检测到的车辆区域采用平行四边形的轮廓描述，能很好代表运动车辆的形状，保证了车辆信息提取的可靠性。3． 将车辆检测算法应用于运动车辆轨迹跟踪中，我们采用基于车辆均加速运动假设的Kalman滤波器模型。算法具有模型简单实用，检测计算量小，对环境变化适应性强的特点，检测与跟踪方法的相互校正提高了系统的可靠性。4． 完成了实用的视频道路交通监测系统，并对系统进行实时性、准确性和稳定性的评测。评测结果表明，该系统能够全天候地对交通车流进行实时监测，提供全面准确翔实的统计数据，达到了实用标准，可以为交通信息系统提供可靠的交通统计数据。本文的运动车辆检测和跟踪方法作为视觉监控领域的一种普遍方法，具有一定的理论意义和实用价值，可以推广到视觉监控的其他应用中，具有广阔的应用前景。