多摄像头多车辆跟踪是智能交通系统（ITS）中的一个关键问题。该问题按照多个摄像头视野重叠与否可以分为重叠视野下的目标跟踪问题和非重叠视野下的目标跟踪问题,本文针对前者提出了解决方案。该方案主要分为两个部分,单摄像头跟踪（SCT）和多摄像头多目标跟踪（MTMC）。在单摄像头跟踪方面,两个关键的步骤是目标定位和跟踪。在目标定位中,本课题采用3D目标检测和从3D检测框映射到GPS坐标两种算法。由目标定位输出的GPS特征,结合基于图像的特征实现了单摄像头跟踪。车辆再识别算法是实现跨摄像头跟踪的关键,本文提出了一种基于图像实例分割和度量学习的车辆再识别方法,有效地解决了车辆之间的遮挡问题,实现车辆的跨摄像头再识别。该方法通过分割模型得到车辆的高精度实例分割掩码,将车辆从原始图片中裁剪出来,去掉与目标车辆无关的部分,然后输入车辆再识别模型提取图片特征。对于车辆再识别模型,本文使用了在行人再识别领域中的一个基线模型,针对道路场景和车辆目标的特点,对基线模型进行修改,并通过实验验证其有效性。在多摄像头多目标跟踪方面,本文设计了一个基于时空一致性和多级匹配的多摄像头车辆跟踪系统。该系统融合了再识别特征、时空特征和GPS轨迹特征,实现了单摄像头跟踪轨迹的分级匹配,整体上完成了车辆的跨摄像头连续跟踪。并通过实验证明了本文提出的多摄像头车辆跟踪系统的有效性。最后,结合实验数据集,绘制了交叉路口的鸟瞰图,将目标的轨迹映射到鸟瞰图上进行可视化。该操作同时可以提高轨迹匹配效率和目标定位精度。通过实验证明,本文提出的重叠视野下跨摄像头车辆再识别与跟踪系统的有效性。