智能交通及道路智能监控系统是目前信息技术的研究热点之一,随着我国车辆保有量的增加以及交通问题日益凸显,得到了广泛的应用和关注。车辆追踪识别作为相关领域中的重要基础技术,随着图像处理相关技术的逐渐发展成熟,也受到了越来越多研究人员的关注。本文以道路环境下的车辆追踪识别问题为研究对象,通过理论研究和实验分析的手段,致力于更深入彻底的研究车辆追踪识别问题,力求提升车辆追踪识别的准确率及鲁棒性。本文综合分析了国内外车辆追踪识别技术的研究进展,从目标追踪和目标识别两个方面阐述了现有的技术及其对应特点。重点分析了现有目标追踪方法中的候选目标搜索问题,以及由于局部搜索距离产生的目标遗漏、目标形变不适应的问题;论文针对基于单一摄像头方法在道路场景中的局限性,提出了以下基于多摄像头的车辆追踪识别改进方案。首先,针对局部搜索丢失目标、对形变不鲁棒的问题,提出了基于目标检测思路的全局搜索方法。该方案融合一阶和二阶深度目标检测方法的思想,结合追踪目标信息,在当前帧全局信息中搜索候选目标,以提高搜索精度。其次,针对单一摄像头无法处理车辆角度变化的缺点,本文提出基于多摄像头的车辆追踪方法,利用多摄像头追踪结果在线更新分类器,从而保证分类器可以学习到追踪目标多角度的特征信息,提高追踪准确度。在多摄像头追踪的基础上,提出了一种空间/尺度抑制方法,利用极短时间内目标运动规律的平滑性对非目标对象进行抑,消除了相似车辆的干扰。、最后,针对车辆识别问题中不同型号车辆相似度过高的问题,提出了一种细粒度车辆识别算法,并结合多摄像头追踪得到的车辆多角度信息,利用加权投票的方法,消除了单一摄像头中错误识别的影响。实验结果表现,本文提出的方法虽然牺牲了一定的时间效率,但可以达到更好的追踪及识别准确率。