امروزه افزایش وسایل نقلیه و جوابگو نبودن سیستم های کنترل سنتی، باعث ایجاد سیستم های کنترل ترافیک به صورت هوشمند شده است. که این عامل، سبب کنترل و مدیریت بهتر شهری و افزایش ضریب اطمینان جاده ها و بزرگراه ها می شود. هدف کلی این پروژه تشخیص و طبقه بندی و ردیابی وسایل نقلیه با استفاده از تکنیک های بینایی دوربین می باشد. در این تحقیق ما از یک دوربین ثابت که در ارتفاعی تقریباً نزدیک به سطح جاده و با زاویه کم می باشد برای کارهای نظارت ترافیکی استفاده کرده ایم. برای انجام روش های ارائه شده، یک قسمت از بزرگراه را انتخاب می کنیم تا پردازش های لازم در محدوده موردنظر انجام گیرد. الگوریتم استفاده شده شامل سه مرحله کلی می باشد. ابتدا با تکنیک های پردازش تصویر وسایل نقلیه متحرک در صحنه های ترافیک تشخیص داده می شود. در مرحله بعدی وسایل نقلیه نزدیک به دوربین انتخاب شده و عمل پردازش و استخراج ویژگی های موردنظر انجام می گردد. این ویژگی ها در برداری به شبکه عصبی اعمال می گردد، به صورتی که خروجی شبکه عصبی نوع وسیله نقلیه عبوری را مشخص می کند. مدل ارائه شده قادر به طبقه بندی وسایل نقلیه در سه دسته موتورسیکلت، خودروهای سبک و سنگین می باشد. مرحله آخر وسایل نقلیه عبوری را ردیابی می کنیم. الگوریتم های پیشنهاد شده قادر به ردیابی همزمان کلیه وسایل نقلیه عبوری در زمان واقعی می باشند. ردیابی در زمان واقعی جزء مزیت های یک سیستم نظارتی می باشد. برای این منظور ما از دو روش استفاده کردیم. روش اول استفاده از مجموع تفاضل قدرمطلق (sad) بود. الگوریتم دیگر ارائه شده استفاده از ردیابی شارنوری هرن و شانک می باشد. برای این کار با محاسبه مشتقات تصویر در راستای مکان و زمان، سرعت را برای هر پیکسل بدست آوردیم. در نهایت سیستم کلیه وسایل نقلیه عبوری را در زمان واقعی تشخیص و ردیابی کرد.