视频交通监控系统能够为交通管理提供宏观监测数据,交通参数和交通异常行为分析有助于提高行车安全性,对交通管控具有重要的参考价值。车辆轨迹是提取交通参数和进行异常行为分析的可靠数据形式,通过车辆目标检测跟踪可有效获取准确的车辆轨迹,采用轨迹分析方法可形成面向路段的长时车辆轨迹。本文以高速公路监控视频为研究对象,着重研究交通场景中多相机车辆跟踪问题,分析计算获取到的车辆轨迹,提取监控路段的交通参数并检测异常交通事件,为提高交通安全运行能力提供借鉴。主要研究内容如下:1.针对交通场景下单相机车辆跟踪问题,设计了一种基于稀疏帧检测的多目标跟踪算法。首先,构建了一个高速公路场景下的车辆图像专用数据集,使用基于YOLOv4的车辆目标检测算法完成车辆目标检测任务;其次,提出了一种基于稀疏帧检测的多目标跟踪算法,针对现有跟踪算法难以满足实际应用中实时性要求的问题,结合目标检测结果实现交通视频中车辆目标的跨帧跟踪,提升了算法处理速度,为跨相机轨迹关联问题提供可靠数据基础。2.针对交通场景下跨相机车辆轨迹关联问题,提出了一种基于单相机轨迹的跨相机轨迹关联总体方案。首先,使用基于高斯回归的轨迹预测方法和基于注意力机制的残差网络,从单相机车辆轨迹中获取车辆空间信息和车辆深度信息;其次,联立上述信息作为轨迹关联线索,并选择特征度量方法,构建轨迹关联代价矩阵,设计一种多特征数据关联机制完成跨相机车辆轨迹关联,得到车辆目标在相邻相机间的稳定轨迹。3.针对交通场景下监控路段交通状况监测问题,通过整合分析获取到的车辆目标在相机下的稳定轨迹,完成了交通场景下参数提取及异常事件检测。首先,设计了车辆目标运行方向、交通场景车流量和车辆速度的自动判别方法;其次,利用车辆目标运动轨迹信息与上述交通参数信息,实现个体车辆和宏观交通场景的异常交通事件检测。通过使用真实场景交通视频数据对本文的所提方法进行分析验证,证明了所提方法的有效性,表明本文所提交通场景中多相机车辆跟踪技术研究对于车辆运动状态连续感知的研究具有一定参考价值,并对于交通安全管控等实际应用的发展具有积极意义。