智能交通系统是目前解决交通阻塞、提高行车安全和保护环境的主要措施。通过对监控的交通视频进行分析，对车辆的定位与跟踪，可以获取车流量、车速、道路占用率、排队长度等动态交通信息。目前车辆跟踪中广泛采用均值偏移目标跟踪算法能克服跟踪中光线变化，部分遮挡，物体的部分形变，运算快速。然而作为局部寻优算法难以应对车辆快速运动、严重遮挡情况下丢失目标、窗宽固定不能随车辆的变化的情况。本文针对以上问题作出以下研究努力：　　(1)卡尔曼预测的均值偏移算法　　建立了运动车辆的卡尔曼预测模型以解决快速运动的车辆难以跟踪以及严重遮挡问题，均值偏移跟踪的结果作为一个检测值引入卡尔曼预测框架。提出实现遮挡的判断方法，对严重遮挡设计了基于巴氏系数的判断遮挡函数，在遮挡后原来搜索点周围扩展搜索区域，减少卡尔曼预测误差。　　(2)自适应核窗宽均值偏移跟踪　　跟踪过程中，随着车辆变大，车辆的形心与窗宽中心存在偏差，提出后向跟踪与基于最佳匹配正负百分之十的窗宽尺寸修正相结合的方法。该算法费时少，而且，能准确定位形心克服了正负百分之十窗宽修正带来的窗宽越来越大的问题。经实验验证，能够较好的反映窗宽的变化。　　(3)用Matlab软件建立了基于均值偏移算法的交通信息采集系统。设计了采集软件的结构、功能与界面、基本实现算法。该系统能对车辆进行良好定位跟踪，能够跟踪快速目标和克服严重遮挡，并具有窗宽自适应性。