实际场景中的交通多目标航迹提取面临着目标个数时变、目标运动模型未知和杂波密集等诸多挑战。在现已发展出的各种多目标跟踪算法中,基于随机有限集的多目标跟踪算法可以避免复杂的数据关联,并且带标签的随机有限集跟踪模型通过为目标添加标签实现了目标航迹的提取,基于此而发展出的广义标签多伯努利滤波算法（δ-Generalized Labeled Multi-Bernoulli filter,简称δ-GLMB）的应用日渐广泛。本文在梳理多目标跟踪技术的发展历程和基于随机有限集的多目标跟踪算法研究现状的基础上,开展了基于标签随机有限集模型的δ-GLMB滤波算法进行交通多目标航迹提取方法的研究。然而,当交通场景中部分目标存在多个量测时,标准δ-GLMB滤波算法由于无法实现多量测与单目标的航迹匹配导致跟踪出错,为此,本文基于δ-GLMB跟踪结果提出了自适应门限判定的改进算法。本文的研究工作如下:（1）针对实际交通道路状况复杂和杂波密集等因素导致传感器获得部分高虚警率、动态特性不明的杂点的情况,本文为不同场景的毫米波雷达监测数据中目标的每个特性参数选择了合适的阈值筛除杂点。在进行δ-GLMB滤波算法对不同数据的多目标航迹提取实验后,发现标准δ-GLMB滤波算法应用在交通场景多目标航迹提取中存在着两个问题:单目标的多航迹问题和航迹间断问题,为此,本文通过对不同场景中目标的分布特点和运动特点分别选择了不同的滤波参数,实验结果表明跟踪性能得到了提升。（2）针对δ-GLMB滤波算法提取交通多目标航迹时过程中存在的单目标多航迹问题和航迹间断问题,本文分析了标准δ-GLMB滤波算法应用在交通多目标跟踪的局限性后,提出了一种基于δ-GLMB跟踪结果的自适应门限判定算法。为了提高算法精度,本文通过实验对比确定了最优的可利用历史运动状态时长、推导了自适应门限判定表达式,实验结果表明,自适应门限判定算法有效实现了多余航迹的删除和间断航迹的外推。