随着近几年来经济和物流运输行业的快速发展,机动车保有量和物流吞吐量也在飞速增长,由此带来的交通安全问题也越来越严重,给人们的出行和生活质量带来了不少困扰,如何有效地监控交通运输车辆和分析车辆轨迹行为成为当前社会关注的热点之一。为了从根本上解决交通运输安全问题等问题,人们日益关心起如何用各种各样地计算机信息技术来实现对交通中车辆进行有效地管理,以此来解决交通拥堵和交通安全等方面的问题。随着图像处理技术和计算机视觉的快速发展,基于实时视频分析的智能交通系统也越来越受到人们的关注,从视频帧序列中准确地检测出车辆目标是智能交通的一个重要研究内容之一。通过对道路上的摄像头所拍摄到的实时交通视频进行分析,实时检测车辆的位置以及轨迹信息来分析车辆的行驶状态等一系列的问题,能够有效地监管交通运输中的车辆,从而极大地提高交通运输效率和保障交通安全。本文采用深度学习技术来智能识别交通视频中的车辆,并在此基础上提取分析车辆在行驶过程中的轨迹信息,用于分析判断车辆的行驶状态,从而对复杂的交通运输进行有效地监管,在一定程度下改善整个交通运输的安全性问题。本文主要研究目前车辆目标识别及其轨迹识别的相关技术,并采用基于卷积神经网络(CNN)的技术来进行交通视频中车辆目标的提取,并在此基础上对车辆行驶过程中的不同行驶轨迹进行相关分析判断。本文的系统主要包括车辆目标识别模块和车辆轨迹识别模块。通过路口的摄像头采集运行中的车辆视频,实时地对车辆视频进行分析,并将分析的数据上传到服务器记录,用于车辆的后续行为分析,以此来评价整个物流运输过程中车辆运输状态。在对原型系统进行相关的功能测试后,测试结果表明该系统能够有效地从复杂的交通视频中提取出物流车辆目标,并进行实时轨迹跟踪,能够满足实时视频分析的实时性和准确性的要求。