多目标车辆检测跟踪技术对提高现有交通视频监控数据的利用效率、及时准确掌握道路交通信息和区域道路运行状况、充分发挥视频监控在交通管理与控制中的价值具有重要作用。本文以高速公路监控视频为主要研究对象,实现了一个交通监控场景中多目标车辆检测跟踪系统。本文主要研究工作如下:目标检测:本文基于YOLOv3目标检测算法对监控场景中的车辆进行检测。在分析已有数据集中Bus样本量过少造成的数据不均衡问题及其造成的影响之上,本文采用数据增广的方法对Bus样本进行扩充,实现目标平均检测精度达到89.68%。多目标跟踪:车辆轨迹能够提供交通场景中运动车辆几乎所有动态信息,是交通分析的重要基础数据。本文针对多目标车辆跟踪做了如下研究工作:1)对单目标跟踪算法KCF(Kernelized Correlation Filter)进行改进,设计解决目标尺度形变与目标遮挡因素影响的方法,以适应监控过程中目标长时间跟踪。2)设计基于Io U(Intersection over Union)相似性度量和轨迹状态转移的单相机多目标跟踪框架,依据检测结点与已有轨迹的匹配情况和轨迹状态,对多目标车辆轨迹同时处理并分析。3)本文提出一种基于轨迹结点欧式度量的跨相机车辆轨迹关联方法,以解决当前相机下已有车辆轨迹和相邻相机下新增轨迹间的匹配问题,完成多目标车辆长时长距离连续跟踪及轨迹获取。轨迹平滑与交通参数提取:针对多目标检测跟踪技术难以避免地存在所获取的原始车辆轨迹抖动不平滑的特点,本文提出一种基于S-G(Savitzky-Golay)滤波的车辆轨迹平滑方法,改善轨迹不平滑现象。在此基础上,分析计算和统计监控场景中的交通参数。