为了解决道路交通快速发展所带来的各种问题,智能交通系统(ITS,Intelligent Transportation System)的研究被提到了重要位置。车辆跟踪与运动车辆轨迹的获取作为ITS中的重要技术,成为许多国家的研究热点。本文针对ITS领域中的关键技术,研究基于视频的运动车辆轨迹获取的相关问题。本文详细分析了运动车辆轨迹获取中较为常用的方法,通过比较采用新颖的算法和结构,设计出能够达到应用要求和较高可信度的算法程序系统。本文主要的研究内容包括以下几个方面:(1)根据算法调试、对比及实际应用的要求,使用C++编程语言设计以车辆信息团块为基础的程序,并在Windows系统上设计算法可视化调试平台,然后将程序移植到Linux系统实现调试及应用。(2)采用以贝叶斯学习理论为基础的运动车辆检测算法,实现视频中运动车辆检测,为算法后续操作提供基础信息,通过程序实现将该方法与其它常用方法进行比较分析。(3)利用卡尔曼滤波算法得到车辆运动趋势信息的预测,将该算法与以图像特征为基础的模板匹配算法进行比较分析,评价算法的可行性。设计程序实现该算法功能,获取车辆信息的预测值,为轨迹匹配更新提供更多的信息,增强算法的鲁棒性。(4)为了给运动车辆轨迹增加更为丰富而有用的信息,在算法中增加了以光流法为基础结合图像金字塔操作的特征点跟踪模块,该模块能够得到精确的车辆位置变化信息,设计程序实现该算法模块功能,完成轨迹精确位置的获取。本文中基于贝叶斯学习理论的运动车辆检测算法具有较强的适应性,结合卡尔曼滤波的预测功能在提高整个算法鲁棒性的同时,使用特征的跟踪算法为车辆轨迹增加了更为丰富的信息。由于算法整体性能的提高,使其成为实际检测应用中可靠的依据。