近年来，行人车辆目标识别与跟踪作为智能汽车、智能交通、行人车辆运动行为分析、交通流分析等研究领域的基础研究问题得到了广泛的关注和研究。行人车辆目标的识别和跟踪技术正在逐步运用于安全辅助驾驶、自动驾驶等实际应用领域中。对于人车目标识别与跟踪方法的研究具有重要的研究价值和实用意义。在目标识别与跟踪问题的研究中，较多使用的是视频数据。由于视频数据的局限性，其展示的是二维成像平面上的数据，缺乏目标对象的深度信息，不能很好地反映目标对象在三维空间上的位置和运动过程以及目标对象之间的距离间隔和交互运动。而在使用多角度多视频相结合获取目标空间信息的方法中，其需要经过复杂的计算以获得三维空间信息，存在一定的计算误差，不能较为快速准确地得到目标对象的空间信息，难以满足实际应用中实时性和准确性的要求。三维激光扫描技术作为一种空间数据采集技术，实时地获取目标的三维激光点云数据，能较精确地反映目标对象在三维空间中的位置和距离信息。针对激光点云数据的行人车辆目标的识别、跟踪、运动信息提取方法的研究能为行人车辆的识别跟踪问题引入了一种新的数据获取手段和新的研究思路。本文围绕激光点云人车目标识别及运动信息提取的问题，提出了一种可行的方案，主要的研究内容包括以下几个方面：（1）分析了激光点云数据的特点，选取了人车目标对象的初始特征。对车载激光扫描设备采集的激光点云数据进行解析，分析解析后的激光点云数据的几何和统计特点以及在实际交通场景下的独有特点。并依据这些特点从激光点反射强度、激光点云目标的空间尺寸、激光点云目标的层次分布、激光点云目标的点云离散程度四个方面总结了反映激光点云人车目标特性的初始特征集合，这些特征能为后续激光点云目标特征提取和识别的研究提供初始特征选取的参考。（2）建立了基于激光点云数据的人车目标识别方法。在激光点云人车目标识别过程中，结合激光点云数据的特点将数据的处理分为点云数据的粗分类和Adaboost算法训练分类器识别目标这两个步骤。在粗分类的过程中，使用以行人、车辆、建筑物的高度值差异为参考的基于平面网格投影的点云分割方法，将点云数据划分成了非目标点和目标点两类，减少后续目标识别操作所要处理的激光点的数量。同时使用了以行人车辆目标空间尺寸为参考值的基于距离的多尺度聚类方法，对目标对象进行聚类，选取目标候选区域。在识别过程中，将人车目标的多类识别问题，拆分为了多个单类识别问题，简化识别的难度；同时针对激光点云数据中目标对象的统计和几何特征容易受环境影响而改变，较难直接获取一个高性能分类器的特点，采用集成学习的思想，使用Adaboost算法训练分类器对激光点云人车目标进行识别。（3）建立了基于激光点云数据的人车目标运动信息提取方法。在运动信息提取的过程中，结合实际交通场景下激光点云人车目标的特点，使用基于粒子滤波算法的目标跟踪方法获取目标对象的运动轨迹信息，该方法中对每个目标分别使用粒子滤波算法进行跟踪，使用冲突判断模型对跟踪冲突情况进行判断和处理，将粒子滤波算法应用到三维激光点云数据的人车目标跟踪和运动信息提取问题中，取得了一定的效果。之后利用识别和跟踪算法得到的目标对象的位置及轨迹信息，计算目标对象的加速度、速度、平均速率、累计运动方向，以及目标对象之间的距离间隔和运行方向夹角信息，以此分别表示目标对象自身的运动趋势和目标对象之间的交互运动趋势。