随着社会经济发展、城市化进程的不断深入以及人口数量的不断增长,交通需求日益增长,智能交通系统成为未来的发展方向。交通监控系统作为智能交通系统中的重要组成部分,城市道路交通信息采集相关的研究受到越来越多的关注,其中车流量的实时采集对减缓城市交通拥堵、提高运输效率以及合理分配道路资源起到重要的作用。本文结合实际交通场景,在现有运动车辆检测和跟踪计数算法的基础上,针对现有算法存在的问题提出改进的运动车辆检测算法,同时提出基于欧氏距离匹配和哈希算法的车辆跟踪计数算法,最后设计了车流量跟踪统计系统。本文的主要研究工作如下:在运动车辆检测方面,通过比较分析多种运动目标检测算法的差异,针对传统Surendra算法的不足,提出了一种改进的Surendra背景更新算法。结合基于最小二乘法的Otsu算法,改进的Surendra算法能够对背景图像进行自适应更新;通过对背景模型添加计数器解决了视频中运动目标的停滞问题;同时改进了Surendra算法的更新策略使它能够更准确地提取运动目标。在运动车辆跟踪计数方面,研究分析了目前主流的运动目标跟踪算法,结合车辆视频的实际特点,提出一种基于欧式距离匹配和哈希算法的车辆跟踪算法。考虑到实际场景中车速过快会导致匹配失败的问题,结合哈希算法对匹配失败的车框进行二次检测以避免跟踪失败再次被跟踪导致的重复计数问题和车辆漏检问题。实验结果验证了二次检测的有效性,并结合车辆跟踪结果设置虚拟检测线实现了车辆的多车道计数。在车流量统计系统设计方面,基于车流量统计系统的需求,集成本文算法设计了车流量统计系统原型。系统主要包含车辆检测、车辆跟踪和车辆计数三个模块,通过实验对设计的车流量跟踪统计系统进行验证,实验结果表明本文提出的整体方案具有可行性、较好的实时性和较高的准确度。