车辆追踪作为智能交通的重要组成部分在交通领域得到了广泛的应用,如交通流量监测、车辆导航、辅助安全驾驶等,极大提高了车辆的安全性、舒适性和道路利用率。随着视频信息技术的不断发展,视频监控技术由于具有直观、含视觉信息、覆盖面广等特点,已经称为交通管理中车辆监控的主要手段,应用十分广泛。由于车辆运动的随机性和实际场景的复杂性,给车辆追踪系统的实时性、准确性和稳定性带来了很大困难。为此,本文研究量子均值漂移算法,通过视频信息对运动多车辆进行追踪。主要工作如下：1.提出了一种运动多车辆追踪的均值漂移算法。建立基于运动多车辆追踪的均值漂移数学模型,然后对该算法模型进行仿真,通过对追踪效果的分析,得出了均值漂移算法本身的局限性。2.通过引入量子进化的策略,提出了基于量子均值漂移的运动多车辆追踪算法。利用量子进化算法搜索车辆在当前帧中最优位置,然后通过均值漂移算法计算相似度。仿真结果表明,该算法比均值漂移算法具有更好的准确性和稳定性,算法是有效的。3.通过引入卡尔曼滤波器,提出了一种抗遮挡的运动多车辆追踪的量子均值漂移算法。利用卡尔曼滤波器判定是否发生严重遮挡,当发生严重遮挡时线性预测车辆位置,然后利用卡尔曼搜索策略确认车辆位置。仿真结果表明,该算法能够很好的处理遮挡问题,算法是有效的。4.分析了多摄像机接力追踪过程中多摄像机同步及目标交接问题,引入了基于视野分界线的目标交接算法,并结合量子均值漂移算法,提出了一种多摄像机接力的运动多车辆追踪算法。利用视野分界线判定车辆是否处于公共区域,当车辆处于公共区域时,通过目标对应关系进行目标识别。仿真结果表明,该算法具有很好的准确性,算法是有效的。