智能交通系统(ITS-Intelligent Transportation System)是目前世界电子信息技术在交通运输领域应用的前沿研究课题，具有极其重要的理论和应用价值。它融合了计算机科学、计算机视觉、图像处理、模式识别和人工智能等先进技术，对它的研究已经受到国内外学者的普遍关注。 ITS系统中基于视觉的运动车辆的跟踪的主要任务是对序列图像里的车辆目标进行跟踪定位和运动分析。受到运动目标跟踪的复杂性以及当前视频跟踪技术发展水平的限制，要实现运动车辆的快速、准确、稳定跟踪仍存在很多理论和技术难题，本文对视频监控系统(CIVSS)和车载视觉辅助驾驶系统(DAS)中的车辆跟踪算法进行了研究和实现，主要工作总结如下： 首先，对视频监控系统中的目标运动估计进行了研究，应用Kalman预估算法，建立车辆在2D图像上的运动模型，并完成视频监控系统中车辆目标的运动估计。 其次，在对视频监控系统中目标进行运动估计的基础上，针对车载视觉系统的目标运动估计问题，深入研究了摄像机的成像模型，并在此基础上提出了基于2D-3D坐标转换和基于目标成像角估计的两种运动估计算法。 然后，根据视频监控系统背景变化缓慢的特点，提出了基于自适应波门和背景差分的车辆跟踪定位算法。 最后，对车载摄像系统的动态目标跟踪定位问题进行了深入研究，针对动态场景下车辆目标相对速度小，形状变化缓慢等特点，提出了基于边缘特征的“＃”字定位车辆跟踪定位算法，以及通过目标特征相似度的计算对定位可靠性进行自评估和校正的算法。 通过以上算法研究，初步实现了ITS视频监控系统和车载视觉辅助驾驶系统中运动目标的稳定跟踪。