智能交通系统是将先进的信息技术、数据通信传输技术、电子传感技术、电子控制技术及计算机处理技术等有效地集成运用于整个交通管理体系,从而建立起一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统。车辆的有效检测和实时跟踪,在智能交通系统中具有重要作用。车辆检测和跟踪中,车辆自身阴影和车辆间相互遮挡或者车辆被背景中的物体遮挡是车辆检测和跟踪中的难点,针对这两个难点,本文提出了一种实时的车辆检测、跟踪方法。主要工作如下:1.为了解决固定摄像机下车辆跟踪过程中阴影、高亮等对检测的影响,提出了一种改进型码本模型的车辆检测方法。该方法直接对YUV空间的车辆序列进行处理,将采样到的背景值聚类成码本,对于新输入的像素值与其对应位置的码本作比较判断,提取出前景区域,使用特定的颜色判决模型,判断出阴影高亮区域。2.在对车辆跟踪的过程中,车辆间相互遮挡和车辆被背景中的物体遮挡的情况非常普遍,针对这一难题,本文跟踪环节采用了基于Kalman预测的方法,使用了一种基于Kalman预测模型的区域匹配车辆跟踪方法,有效地对车辆运动状态进行预测、匹配。这样不但减小了搜索范围而且降低了误匹配的可能性。实验结果表明,本文方法可以从复杂交通场景图像序列中快速有效地检测出运动目标,能较好地处理阴影、高亮、遮挡和背景变化等问题,且计算复杂度小,能满足实时跟踪的需要。