随着社会经济的快速发展，人们生活水平不断提高，各种汽车的保有量大幅增加，怎样提高交通效率就显得越来越重要。世界各国都投入了大量的人力和物力对智能交通系统(ITS)进行研究。车辆检测作为ITS的基础部分，为整个系统提供基础数据。基于视频的车辆检测由于它特有的优点，已经成为车辆检测的一个重要手段。 通过对现有检测方法的分析比较，采用背景差法对车辆进行提取，包括背景的生成及更新，背景区域的修正。考虑到车辆阴影对检测的影响，本文利用车辆阴影所固有的特征进行阴影抑制，有效地减小了阴影对检测的影响。针对车辆颜色与背景颜色相近时分割容易湮没目标车辆像素点，提出了在提取的过程中将图像阈值分割和边缘检测相结合的算法，很好地把目标车辆完整的提取出来，便于车辆的定位。 在成功提取目标车辆的基础上，采用特征匹配的方法对车辆目标进行跟踪。在选择的车辆特征中目标窗口的大小是主要的特征之一，在实际场景中当车辆相互交错时，用投影原理很难准确定位各个车辆目标，因此本文首先对图像进行标定，将带有倾斜视角的原图像校正为从正上方俯视视角的标定图，在此基础上按车道进行投影操作，准确地确定出运动目标窗口。在选择车辆特征后，引入特征匹配值矩阵对车辆目标进行跟踪。 实验表明，基于背景差法的车辆检测中，结合边缘检测的阈值分割可以完整地提取车辆目标。在确定目标窗口大小时，先对图像进行标定再进行投影，可克服运动目标位置对投影的影响，准确地确定各个车辆的目标窗口，然后通过特征值匹配来跟踪车辆目标，得到交通参数。上述算法计算量小，实时性好，检测精度高，基于上述操作进行车辆跟踪，能获得车流量、车速等实时交通参数，为智能交通系统的应用提供必要保证。