随着城市化的进展和汽车的普及，汽车数量日益增加，交通密度的大幅提高，交通紧张、拥挤问题越来越成为城市发展面临的难题。就要运用各种高新技术，系统地解决道路交通问题，由此产生新的研究和应用领域--智能交通系统(ITS)。ITS中首要的问题是交通信息的采集和处理，也就是车辆检测问题。在众多车辆检测方法中，视频检测由于其突出优点，有着更为广泛的应用前景，也是计算机视觉和图像处理领域的一个研究热点。 本论文的主要研究内容为基于视频的运动车辆检测与跟踪的研究，其中主要涉及到静止背景下运动车辆的检测和分割，运动车辆的识别以及车辆目标的跟踪等方法的研究。 论文在运动目标检测研究方面，介绍了当前几种经典的运动目标检测算法，并对各个算法进行了实验比较和阐述了各自的优缺点。 在此基础上，提出了一种改进的将帧间差分和背景差分相结合起来的运动目标检测算法。 在运动目标识别研究方面，本论文针对行人与车辆目标具有不同的特点，提出了几个适合于分类的特征，并在此基础上利用BP神经网络算法进行车型的识别。 在运动目标跟踪研究方面，着重讨论了基于区域的跟踪方法，使用了基于运动目标质心的目标跟踪方法，提出了跟踪门的概念，并研究了其具体的算法步骤。 通过连续帧间的位移计算出运动目标的速度和方向来预测下一个时刻运动目标的质心可能处于的位置，缩小了运动目标跟踪时的搜索范围。 最后通过质心匹配获得最终的醋标位置，从而跟踪到运动目标，得到其运动轨迹，为下面的交通事件预警系统提供相关参数。