智能交通系统是未来交通系统的发展方向，它可以使交通管理更加高效。随着计算机视觉和图像处理技术的不断发展，利用计算机视觉检测识别车辆成为一种特别有潜力的方法。在智能交通系统中，车辆跟踪是一个热点及难点问题。车辆跟踪能够提供被监控车辆的运动轨迹，以及车速、车流量等重要信息，并为进一步的车辆行为分析奠定了基础。遮挡是交通视频中难以避免的问题，它对车辆跟踪会产生严重影响，因此，本文的主要目的就是研究抗遮挡的车辆跟踪算法。要想进行车辆跟踪，首先必须检测车辆。车辆检测是指在图像序列中检测出变化区域并将运动目标从图像中分割出来，车辆检测效果的优劣直接关系到车辆跟踪的好坏。本文对传统的混合高斯模型进行改进，通过分析图像的熵能量，对不同内容的图像进行不同速度的背景更新，更好的检测出车辆。检测出车辆后，需要对前景图像进行处理，利用标签法对二值图像去噪，并运用快速粗模型的方法检测阴影，去除掉噪声和阴影的前景图像车辆区域会更加清晰明确、有利于车辆跟踪，然后进行连通区域标记，对属于相同连通区域的像素赋予相同的标记，对不同车辆区域的像素赋予不同的标记，从而区分出每辆车，最后还要对车辆区域的质心位置、面积等特征值进行提取，从而建立车辆的参数模型，供后续跟踪使用。对于车辆跟踪，提出一种基于卡尔曼滤波器的跟踪算法。算法采用卡尔曼滤波器预测目标车辆在下一帧中的状态，根据预测位置建立搜索区域，在搜索区域中进行搜索匹配，避免了在整幅图像进行搜索，有利于提高计算速度。按照一定的匹配规则，建立相邻帧中目标车辆的对应关系，有效的推理出目标车辆的驶入、驶出以及遮挡和分离。对待发生遮挡的车辆，根据卡尔曼滤波器的预测对遮挡车辆进行跟踪，同时放大搜索区域等待目标再次出现，如果超过一定时间目标还没有出现则放弃目标。实验结果表明，该算法能够获得良好的跟踪效果。