本文以基于视频图像的城市车辆监测系统为研究背景，对车辆捕获、测速、车牌定位、字符识别和车辆跟踪算法展开了深入细致研究，为下一步采用硬件实时处理打下基础。　　论文采用背景差分和虚拟线圈结合法获得驶过的车辆图像，采用虚拟线圈法测得车辆速度，取得了良好效果。　　文中分析了传统的车牌定位算法，在对比HSI方法特点的基础上，提出了基于色差的多特征综合快速车牌定位算法，该方法将RGB图像转换到色差空间，强化了车牌区域和背景区域的差别，很好地抑制了非车牌区域的像素。在此基础上综合应用车牌长宽比例特征和车辆颜色特征，实现了车牌的快速定位。文中设计了提取蓝色、黄色和白色像素的色差公式，给出了车牌定位具体算法，对白天常规车辆、蓝牌蓝车、公交车及污染车牌进行了检测，结果发现采用该方法定位具有很高的准确率，对夜晚车辆也有较高的定位准确率。该方法计算量小，可以满足实时检测的要求。　　在车辆跟踪部分，论文提出了基于卡尔曼滤波和车牌、车尾灯结合的车辆快速跟踪算法。文中分析了卡尔曼滤波原理，设计了提取红色车尾灯方法，给出了详细跟踪算法。对实际车辆视频图像的检测结果表明，该方法可以实现对直行车辆和拐弯车辆的快速跟踪。　　论文对车牌字符识别展开了研究，应用基于主成分分析PCA的字符匹配识别法，实现了常规车牌字符的识别。　　文中研究的算法着眼于在视频环境下的快速实现，所做工作为下一步在硬件平台上的实时处理提供了依据。