یکی از مهمترین حوزه های پژوهشی در سیستم های حمل و نقل هوشمند، توسعه سیستم هایی است که جریان ترافیک در تقاطع ها را بصورت اتوماتیک مشاهده و کنترل می کنند. این سیستم ها علاوه بر تحلیل جریان حرکتی، می بایست تمامی جزئیات حرکتی هر وسیله نقلیه مانند موقعیت و سرعت را ثبت نمایند. در این پایان نامه روشی جدید برای به حداقل رساندن خطاهای ناشی از فرآیند شناسایی و ردیابی خودرو در صحنه های شلوغ همانند تقاطع ها و جاده های درون شهری که همپوشانی بین خودروها و پیچیدگی حرکات بیشتر از بزرگراه ها و جاده های برون شهری می باشد، ارائه شده است. در روش پیشنهادی به منظور تشخیص وسایل نقلیه متحرک از روش مدل ترکیبی گوسی جهت استخراج اشیاء متحرک موجود در تصویر ورودی استفاده می شود و در ادامه برای حذف غیر خودرو از خودروهای شناسایی شده و همچنین تقویت خروجی مرحله تشخیص از روش ماشین بردار پشتیبان، که به عنوان قوی ترین الگوریتم طبقه بندی مطرح می باشد استفاده خواهیم نمود. برای ورودی ماشین بردار پشتیبان نیاز به بردار ویژگی قدرتمندی برای تمایز خودرو از غیر خودرو داریم که نسبت به جهت و اندازه خودرو مستقل باشد. به همین منظور از توصیف گر هیستوگرام گرادیان های جهت دار (hog ) استفاده می نماییم. برای رفع مشکل همپوشانی خودروها، سیستمی جهت تشخیص همپوشانی پیشنهاد شده است که با استفاده از شکل ظاهری و مشخصات مورفولوژیکی خودروها، مکان همپوشانی را تشخیص داده و به منظور جداسازی خودروهای داخل ناحیه همپوشانی، از یک مدل svm که با استفاده از تصاویری با اندازه های گوناگون آموزش دیده است، استفاده می نماید. سپس خروجی این مرحله به واحد ردیابی که بر پایه فیلتر کالمن و الگوریتم ردیابی فرضیات چندگانه استوار است وارد خواهد شد. سیستم پیشنهادی ما می تواند، مشکلاتی از قبیل همپوشانی جزئی و تشخیص خودروها در صحنه های پیچیده را برطرف نماید. پیاده سازی ها با استفاده از پایگاه داده های مختلف در شرایط گوناگون جوی از تقاطع ها، مورد بررسی قرار گرفته است. خروجی نهایی سیستم فوق عملکرد مناسبی را با میانگین درصد تشخیص 9/76 % ارائه داده است.