对车辆轮廓进行检测。运用一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理 ，获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线在Python环境下，利用 OpenCV编程实现了此方法。 通过提取全景图，在图像场景中由于目标和背景的温差较小，从而导致图像的对比度很低，为了提高图像的对比度，增强图像。虽然图像增强并不能增加图像数据中的信息量，但是它却能够增加所选择特征的动态范围，从而使这些特征更容易地被检测和识别，并进行后期树木消除，并得到相对清晰的原树模型与对比示意，并反馈车辆进行前期预警。 OpenCV提供的视觉处理算法非常丰富，并且以Python语言编写，加上其开源的特性，处理得当，不需要添加新的外部支持也可以完整的编译链接生成执行程序。不同的树木视觉图像是千差万别的，虽然我们可以把树木的主要特征提取出来，但是其视觉图像背景不可避免会出现一些干扰因素。我们可以采用面积法，利用OpenCV强大的数据库，即可计算出整个轮廓或者部分轮廓的面积，进入引导OpenCV进入前期检测与追踪的开展，进而支持智能驾驶。

跨摄像头的车辆检测与追踪，核心算法由两大部分组成：第一部分是基于背景差分法求单摄像头目标轨迹。第二部分是基于图像透视变换算法。利用这两种核心算法，对目标跟踪和检测的结果进行综合处理，来找出运动车辆目标并实现跨摄像头跟踪的目的。MATLAB程序