1、運動車輛目標提取與跟蹤技術是近年來智能交通系統(tǒng)中備受關注的發(fā)展方向，是實現(xiàn)目標車輛識別并對目標行為進行分析和判斷的必要前提，主要涉及到模式識別、計算機視覺、圖像處理、信息通信等諸多學科領域的理論知識。
　　本論文主要是研究與實現(xiàn)了在視頻序列中運動車輛目標提取與跟蹤技術，運動車輛目標的提取包括運動車輛目標的檢測與目標圖像的分割，論文主要包含以下幾個方面的內(nèi)容：
　?。?）圖像預處理和運動目標檢測：圖像預處理主要介紹濾波和形態(tài)學

2、算法；運動目標的檢測中基本常用的方法有運動分割法、背景差分法和幀差分法，闡述了單高斯背景模型和混合高斯背景模型的基本原理，采用混合高斯背景模型算法結合背景差分法，檢測到運動目標，確定目標區(qū)域。
　　（2）運動車輛的精確分割：首先闡述了傳統(tǒng)的車輛圖像邊緣檢測方法，然后詳細介紹了基于PDE(偏微分方程)的GAC模型圖像分割方法，該方法與傳統(tǒng)的邊緣檢測方法相比分割精度更高，提取出的輪廓線的連續(xù)性和光滑性更好。其次著重闡述了GAC測地線活

3、動輪廓模型圖像分割算法的基本原理，主要對原算法存在的陷入局部最小值、過演化問題和初始化問題幾個方面的不足,分別從避免陷入局部最小值實現(xiàn)準確分割和重新加入約束能量兩個方面入手，對原始模型進行改進得到新的模型算法實現(xiàn)圖像的快速分割，并對原始模型和改進后的模型算法進行了實驗對比和分析。實驗結果表明，原始模型算法與改進后的模型算法相比，改進后的算法的分割精確度更高、演化速度更快。
　?。?）運動車輛目標提取與跟蹤：將背景差分法和改進后的G