چکیده: یکی از مهمترین حوزه‌های پژوهشی در سیستم‌های حمل و نقل هوشمند، توسعه سیستم‌هایی است که جریان ترافیک در تقاطع‌ها را بصورت اتوماتیک مشاهده و کنترل می‌کنند. این سیستم‌ها علاوه بر تحلیل جریان حرکتی، می‌بایست تمامی جزئیات حرکتی هر وسیله نقلیه مانند موقعیت و سرعت را ثبت نمایند. در این پایان‌نامه روشی جدید برای به حداقل رساندن خطاهای ناشی از فرآیند شناسایی و ردیابی خودرو در صحنه‌های شلوغ همانند تقاطع‌ها و جاده‌های درون شهری که همپوشانی بین خودروها و پیچیدگی حرکات بیشتر از بزرگراه‌ها و جاده‌های برون شهری می‌باشد، ارائه شده است. در روش پیشنهادی بمنظور تشخیص وسایل نقلیه متحرک از روش مدل ترکیبی گوسی جهت استخراج اشیاء متحرک موجود در تصویر ورودی استفاده می‌شود و در ادامه برای حذف غیر‌خودرو از خودروهای شناسایی شده و همچنین تقویت خروجی مرحله تشخیص از روش ماشین‌ بردار پشتیبان، که به عنوان قوی‌ترین الگوریتم طبقه‌بندی مطرح می‌باشد استفاده خواهیم نمود. برای ورودی ماشین بردار پشتیبان نیاز به بردار ویژگی‌ قدرتمندی برای تمایز خودرو از غیر‌خودرو داریم که نسبت به جهت و اندازه خودرو مستقل باشد. به همین منظور از توصیف‌گر هیستوگرام گرادیان‌های جهت‌دار (HOG ) استفاده می‌نماییم. برای رفع مشکل همپوشانی خودروها، سیستمی جهت تشخیص همپوشانی پیشنهاد شده است که با استفاده از شکل ظاهری و مشخصات مورفولوژیکی خودروها، مکان همپوشانی را تشخیص داده و بمنظور جداسازی خودروهای داخل ناحیه همپوشانی، از یک مدل SVM که با استفاده از تصاویری با اندازه‌های گوناگون آموزش دیده‌است، استفاده می‌نماید. سپس خروجی این مرحله به واحد ردیابی که بر پایه فیلتر کالمن و الگوریتم ردیابی فرضیات چندگانه استوار است وارد خواهد شد. سیستم پیشنهادی ما می‌تواند، مشکلاتی از قبیل همپوشانی جزئی و تشخیص خودروها در صحنه‌های پیچیده را برطرف نماید. پیاده سازی ها با استفاده از پایگاه داده‌های مختلف در شرایط گوناگون جوی از تقاطع‌ها، مورد بررسی قرار گرفته است. خروجی نهایی سیستم فوق عملکرد مناسبی را با میانگین درصد تشخیص 9/76 % ارائه داده است.