伴随城市化的进程,各个国家都在大力建设高速交通网,交通系统规模变得日益庞大,这对原有的交通管理系统造成了前所未有的压力,在此背景下,如何将人工智能技术运用到交通管理系统中,以智能化地管理协调交通系统的正常运行,达到交通资源的最佳配置,缓解人力压力,成为各国政府和学术界关注的重要课题。而基于机器视觉技术的智能化交通管理系统正是在这一背景下受到了极大重视,成为当前的研究热点之一。在基于机器视觉技术的智能化交通管理系统中,根据视频监控录像进行运动车辆的检测与跟踪是智能管理系统的基本功能模块。本文研究了交通视频中运动车辆检测与跟踪问题中的几个关键技术,主要研究内容包括:(1)在运动车辆的检测部分,通过分析基本的运动车辆检测算法特点及其缺陷,提出了自适应背景更新差分法和三帧差法相结合的运动车辆自动检测算法,该算法通过背景差法分割运动车辆,并结合三帧差分以提高检测的准确性,实验表明能够对运动车辆进行准确检测; (2)在运动车辆跟踪部分,研究分析了当前常用的数据驱动法和基于贝叶斯框架的最优猜测法两种解决思路,然后在此基础上根据运动车辆在相邻两帧中移动距离较近,在图像中的面积变化较小的特点,对基于数据驱动思路的CAMShift算法进行了改进,实验结果表明,改进算法处理参数少,数据量小,对车辆的实时跟踪性能和跟踪准确性能比原算法有所提高; (3)在实现了运动车辆检测及跟踪的基础上,研究并实现了基于跟踪的车辆事件检测,包括车辆逆向行驶、经过特定区域检测和压线检测等。(4)在Visual C++6.0环境下基于Intel公司的开源视觉库OpenCV,对上述算法进行了系统实现。实验结果表明本文算法在特定场景下能够较好地实现车辆的检查跟踪及特定事件检测。