在交通视频检测系统中,对运动目标的轨迹进行聚类分析成为一个热门的研究课题。为解决复杂场景下运动目标的轨迹聚类问题,目前已有许多相关的聚类算法,但多数聚类算法基本上是基于图像平面的特征角点相互之间的位置关系,或者是基于目标运动轨迹之间的相对运动约束关系。这些算法受摄像机视角、光照问题的影响严重,无法适应复杂的交通场景。本文通过研究刚性运动体上特征点运动轨迹的约束关系,提出一种基于谱聚类算法的3D空间轨迹聚类算法。首先采用的是ORB特征提取算法与基于双向加权可逆性约束的KLT特征点跟踪算法相结合的方法,获取到目标稳定的运动轨迹。其次利用空间中刚性运动体上特征点运动轨迹的约束关系来判断两条轨迹相似性,从而构建轨迹对象集的相似矩阵,再利用谱聚类算法对待聚类轨迹对象进行初步聚类处理,得到聚类的初步结果。最后根据特征点的投影速度与高度之间的对应关系来估计特征点的3D参数,在恢复特征点的空间信息的基础上,利用3D车辆模型的方法对初步聚类的结果进行类间合并处理,得到聚类的最终结果。本文将该聚类算法应用到不同场景的交通视频中,得到了较理想的聚类结果。在某些高速公路路段进行多次测试,其准确率可达到95%以上。同时,该算法可以满足视频实时处理的要求。