图像视频处理技术是智能交通系统中进行交通状况检测的有效方法,是未来道路交通检测技术发展的趋势。而如何对运动车辆进行检测、去除阴影及有效识别与跟踪是未来研究主要方向。本文在讨论了图像视频处理技术在智能交通中的诸多应用,重点关注于交通监控场景中的前景提取、阴影去除及运动目标的识别与跟踪。本文的主要贡献工作如下。本文对运动目标检测方法研究进行了探讨,重新审视光流法、帧间差分法、背景差法,从其优缺点、方法运行理论两方面进行了具体的分析比较,并对高斯背景模型的相关应用方法进行介绍,引出了阴影抑制法。阴影去除是监控场景中光照因素造成的一大干扰,其直接影响到运动目标的识别与跟踪。为此,本文在对阴影检测问题阐述的基础上,重点分析其多种检测方法的特点,以期获得良好的阴影抑制效果。在前述前景提取及阴影抑制操作后,本文从运动物体的形态、运动特征时空表观出发,将其互相补充作为物体识别的依据,建立起关于卡车、轿车、摩托车以及行人四种运动目标的模糊识别系统,可以采用支持向量机结合模糊积分的技术,进行运算。最后对常用的多种跟踪算法进行分析,引出CamShift算法和卡尔曼滤波器算法。重点在于探讨其基本思想及要旨的前提下,对其进行了改进,提高了跟踪精度,通过实验分析,发现Camshift方法在目标尺度变换方面具有良好的跟踪效果,而卡尔曼滤波对于遮挡问题克服较好。