随着计算机视觉技术的发展，作为其主要应用的智能视频分析越来越受到人们的关注，而其中智能交通系统的研究也成为该领域的热点方向。而利用监控视频来获取交通参数和判定交通参与者是否违章更是成为智能交通系统领域的研究重点和研究难点。本文是运用基于监控视频的运动车辆的检测和跟踪来分析车辆的交通事件，主要检测车辆的超速和逆行违章行为。这其中主要是采用运动目标检测和跟踪的方法，以及后续对提取的运动车辆的运动状态进行合理的表示和计算，从而确定运动车辆的交通事件和违章行为。本论文主要从以下几个方面阐述。首先，本文对常用的目标检测算法进行了相关仿真。对于本文采取的背景差法和背景建模算法进行了详细的描述和测试。同时对获取的背景模型进行不断更新，使其更加适应背景不断变化的交通视频图像。另外，对在目标提取中使用的二值化、滤波算法和形态学处理方法进行了测试。其次，在目标跟踪阶段，本文采取了基于区域面积的Kalman滤波算法进行车辆跟踪。对于车辆相互融合的情况，采取了不同车辆之间的区域面积的长宽比的不同进行区分，这样能够实现对融合目标的有效分离。最后，在对违章情况进行分析时，首先需要获取对运动车辆的特征描述。在测速实验中主要选取了质心和角点两种特征分别进行了车辆的测速。在进行基于质心的车辆测速时，采取了数据集算法对质心的轨迹进行分析，通过计算质心驶过定长的ROI区域的时间，计算车辆的速度。在基于角点的车辆测速中，对在连续帧中检测到的角点进行特征匹配，获取角点在相邻帧中的运行时间和距离，计算出单个角点的运行速度，最后计算所有角点通过ROI区域的平均速度来代替车辆的速度。在逆行检测中，通过分析车辆质心的位置变化信息，得到车辆的行驶方向，从而判定车辆是否属于逆向行驶违章。通过实验验证，本文的实验结果表明该算法对车辆超速和逆行检测有着良好的效果。