在计算机视觉中,特征描述及图像匹配是一大重要分支,广泛应用在目标识别、目标跟踪、卫星遥感、图像释义等领域。本文深入研究了国内外现有经典特征提取及图像匹配算法,并应用在智能交通系统(ITS)中的车辆检测及跟踪领域,将含有阴影、光照、遮挡等干扰因素的复杂背景因素纳入考虑,兼顾检测及跟踪的实时性和准确性,提出了一套适应实际道路环境的车辆检测跟踪系统,主要工作是:(1)在车辆检测阶段,车辆之间的相互遮挡会造成车辆视觉信息的丢失,严重影响了车辆检测的准确性。本文提出了一种基于部件模型的复杂场景车辆检测方法,在模型训练阶段将图像根据常见遮挡情况,分成两个区域。将两个部件图像模型化后进行训练,在检测过程中,使用训练模型通过迭代的方式对车辆的两个区域进行检测,并利用学习的位置尺度关系进行组合。(2)在车辆跟踪阶段,跟踪的准确性以及算法的实时性是主要关心的问题。本文提出了一种基于SURF特征哈希匹配的车辆跟踪方法,通过提取检测区域图像及待跟踪车辆图像的SURF特征描述子后,通过扩展哈希算法匹配。对匹配后的特征点集通过邻近特征点夹角一致这一全局信息进行匹配提纯,并通过区域色调值约束,提高跟踪准确性以及算法实时性。(3)采用模块化设计,结合提出的车辆检测及车辆跟踪算法,在PC端上实现复杂场景车辆检测跟踪系统。