交通信息采集技术在智能交通系统中的作用不言而喻。基于视觉的交通采集技术由于具有检测范围大、设置灵活、调整容易、安装维护方便、检测参数丰富的优点,被广泛的应用于工程中。运动车辆参数的采集是在自然场景下进行的,不仅背景复杂,而且背景中很可能存在与目标特征相似的区域,这些因素造成了处理过程中背景更新难。同时,目标本身还存在旋转、缩放的问题,因而运用背景差分、模板匹配、特征提取等方法都很难保证对运动车辆长时间准确的提取。考虑到视频序列图像具有帧间连续性,本文通过帧间差分的方法检测运动车辆。为了更加准确有效的提取车辆,在描述车辆运动信息的同时希望能获得车辆轮廓模型信息,本文提出一种融入运动信息的基于像素可信度的快速水平集分割方法,实验结果表明,该算法提取运动目标的效果十分明显。最后,在运动物体分割的基础上,本文依据分割出的运动目标轮廓的位置、面积和外接矩对场景中的车辆进行识别和跟踪。运动跟踪的同时,通过运动估计来预测下一时刻可能的运动。并通过估计值对检测值的修正使下一时刻的运动检测更准确。本文采用了基于kalman滤波的估计算法。从实验结果看该方案取得比较理想的跟踪效果。