智能交通系统（ITS）是现代交通管理的发展方向之一，而运动车辆的检测与跟踪是智能交通系统中的基础问题。本文在分析和总结现有的车辆检测与跟踪技术的基础上，重点研究了固定场景下基于角点SIFT特征匹配的车辆检测定位与跟踪方法，本文的主要研究工作包括以下几个方面：（1）车辆角点的检测与定位。在现有的车辆检测的基础上，采用Harris角点检测算法提取了图像中的角点这一重要局部特征，角点具有旋转不变性和较强的抗光照干扰性；采用128维向量对各角点进行SIFT特征描述，该特征对旋转、尺度缩放和亮度具有较好的不变性，因此本文算法能较好地适应不同光照环境。（2）车辆角点运动轨迹的形成。对连续两帧图像分别进行角点提取，以其128维SIFT特征向量之间的欧式距离计算特征点之间的相似度，采用双向匹配法获得连续两帧图像中角点的匹配关系，形成轨迹；为满足实时性要求，在角点匹配时使用卡尔曼滤波器对角点的运动轨迹进行估计，缩小匹配范围。当本帧中没有找到一条轨迹的匹配点时用估计点坐标作为轨迹在本帧中的位置，提高跟踪的稳定性。为了获取轨迹速度以及计算车辆大小，使用基于单应矩阵的摄像机标定方法对角点像素进行从图像坐标系到世界坐标系的转换。（3）角点运动轨迹分组研究，获取车辆数据。根据轨迹间的位置、速度、方向和移动距离的加权差值衡量轨迹间的相似度；采用聚类的思想，对相似度较大的轨迹进行归类，实现轨迹的分组。由于充分利用了车辆的运动信息，因此在车辆间发生遮挡时也能对车辆进行检测区分。本方法有较好的环境光照适应性，对部分遮挡车辆能有条件地实现区分和跟踪。小样本实验数据表明，在不同车密度的情况下，本文提出的车辆跟踪方法检测率为98.09%，漏检率2.0%，误检率1.85%。