چکیده: در مبحث کنترل ترافیک، پردازش تصاویر در زمینه ها و چالش های متعددی به کار گرفته شده است. با توجه به افزایش روزافزون اطلاعات و داده های ترافیکی، تشخیص و بررسی هوشمند حرکات اتومبیل ها و تخلفات احتمالی آن ها یکی از کاربرد های مفید برای کنترل ترافیک می باشد. برای این منظور نیاز به سیستم های هوشمند بلادرنگ پردازش تصاویر ترافیکی می باشد. این سیستم ها باید قادر به تشخیص اتومبیل ها و ردیابی آن ها باشند. علاوه بر این برای تشخیص تخلفات احتمالی اتومبیل ها، این سیستم ها باید قادر به تفسیر حرکات آن ها نیز باشند. در این پایان نامه، سیستمی پیشنهاد شده است که تصاویر ترافیکی را به صورت فریم به فریم مورد پردازش قرار می دهد تا اهداف مورد نظر را برآورده نماید. از آن جا که این سیستم باید به صورت بلادرنگ عمل نماید، ابتدا ابعاد تصویر کاهش داده می شود تا سرعت کار افزایش یابد. سپس توسط روش هایی مانند روش میانگین و گوسین نویز های موجود در تصویر برطرف خواهد شد تا کیفیت آن بهبود یابد و تشخیص اتومبیل ها با کارایی بالاتری انجام شود. در مرحله بعد تشخیص اتومبیل انجام خواهد شد. برای این منظور از روش طبقه بند آبشاری مبتنی بر آدابوست که بر مبنای استخراج ویژگی ها و یادگیری شبکه های عصبی است و سرعت قابل قبولی دارد استفاده شده است. پس از انجام شناسایی می توان توسط نقاط مهم مانند مرکز ثقل، اتومبیل را مورد ردیابی قرار داد. دنباله نقاط مرکز ثقل اتومبیل، در فریم های متوالی نشان دهنده مسیر حرکت اتومبیل در این فریم ها خواهد بود که می توان آن ها را در ماتریسی نگهداری نمود و پردازش های بعدی برای تشخیص تخلف را روی آن ها انجام داد. در این مرحله تفسیر حرکت هر کدام از اتومبیل های موجود در صحنه انجام خواهد شد. با در نظر گرفتن مسیر اصلی حرکت اتومبیل ها که از رفتار کلیه اتومبیل ها قابل تشخیص خواهد بود و نوع تخلفات موجود در صحنه مورد بررسی، می توان با انجام محاسبات مخصوص که با توجه به نوع تخلف مورد بررسی ممکن است ساده و یا پیچیده باشد، بر روی ماتریس شامل مسیر حرکت اتومبیل ها، تخلف مورد نظر را شناسایی نمود. این روش بر روی تصاویر نمونه انجام شده و تخلفات موجود در آن شناسایی گردیده است. نتایج نشان می دهد، دقت محاسبات این روش برای تخلف توقف 68.18% ، انحراف به چپ 86.66%، دور زدن ممنوع 92.85% و حرکت در خلاف جهت 93.61% می باشد.