鉴于各国交通事故频发,交通监测已经变得尤为重要,特别是在控制交通信号灯、估计交通流量、减少交通拥堵和交通事故中发挥着核心作用,所以,在过去的几十年中,受到了学者们的广泛关注和研究。但是,学者们所提出的大多数的方法都只是集中在处理白天的交通视频,对于夜间交通视频的处理,方法少之又少,而作为交通监测系统中的重要组成部分,夜间交通车辆检测和追踪是不可忽视的,因此,其成为近年来智能交通领域广泛研究的热点与难点。基于车灯特征的夜间车辆检测与追踪是近年广泛应用的一种车辆检测和追踪方法,该方法能够有效的追踪夜间交通视频图像序列,且车灯特征受场景和相机曝光影响小,方法成本低,适用范围广。但对于复杂环境(高密度车辆的视频图像序列、车灯粘连、雨雪天路面强反射光、车灯数量不唯2等),目前所提出的这些方法处理能力不强,且检测及追踪效果对车灯图像的分割效果有较强的依赖性。针对这些问题,本文提出了一个基于车灯几何特征和运动特征的夜间车辆检测及追踪系统。该系统首先利用频域的同态滤波法和空域的方位角模糊技术相结合,对车灯进行检测,然后利用凹点检测技术将图像序列中的粘连车灯进行分割,并建立车灯位置、面积等信息的存储中心,为后续车辆轨迹信息进行更快更准确的提取、传递、匹配和修正提供车灯信息和搜索范围,再将车灯的几何特征和运动特征相结合,实现车灯配对并将配对结果存入配对矩阵中,之后根据车灯配对修正机制对车灯配对矩阵进行修正,然后根据配对车灯的信息,对车辆进行轨迹追踪,并根据轨迹修正机制对车辆轨迹进行修正。轨迹修正部分把车辆轨迹分为单车灯轨迹和双车灯轨迹两类,根据车辆轨迹类型特点,利用轨迹间的斜率、距离、起始坐标点等信息对轨迹进行修正,并输出轨迹信息。本文提出的方位角模糊技术与凹点检测技术相结合对车灯进行检测和分割的方法,使得复杂环境下的车灯提取的准确率有所提高;同时,首次将车灯的运动特征和几何特征相结合,应用到车灯配对的环节,大大降低了车灯配对时的漏配率和误配率;最后引入车辆轨迹反馈修正机制使得轨迹追踪结果更加精确,确保了一车一轨迹,解决了以往方法在复杂环境下,对车辆的检测和追踪能力不强的问题,同时减小了追踪结果对车灯图像分割效果的依赖性。利用本文方法对6个视频图像序列进行测试。实验结果表明,本文算法能够在不同照明和交通条件下有效检测车灯、跟踪车辆,且平均检测率和跟踪率较高。