近年来，机动车的数量持续攀升和交通违法行为的同步增加，对道路交通的管理提出了更高的要求而由于智能视频监控技术自身特有的优势以及机器学习计算机视觉图像处理等技术的不断发展，使得这一研究方向获得越来越多的重视，成为当前人工智能领域的研究热点之一本文主要是以城市交通视频和小区监控视频作为研究对象，对视频中的车辆进行检测跟踪，最后提出对于车辆违章停泊和逆向行驶的检测算法论文的主要工作内容如下：检测运动目标：比较多种背景建模方法，针对视频监控系统中实际应用提出一个前景检测的普遍框架，可以自动进行噪声去除，进行前景检测，检测出的前景目标作为在线学习的目标提出基于在线学习的阴影检测算法检测静止目标：提出一种基于颜色和纹理特征在线学习的多尺度检测方法，其中两种特征向量的构成系数由在线学习获取，可以自适应选取各个尺度分量的阈值，同时有效解决了光线变化问题目标跟踪和分类：介绍主流的在线学习跟踪算法，提出本文跟踪分类算法；使用检测出的运动和静止目标作为分类器的初始模板，在后面的每一帧基于在线学习的分类器来跟踪目标；利用稀疏编码理论减少误检和漏检问题通过获取到的目标车辆及其状态特征信息，结合现场治安交通规则，可以有效对常见的车辆违章停泊和逆行进行检测