آشکارسازی خودرو در صحنه های ترافیکی به خصوص تقاطع ها دارای اهمیت فراوانی است. ایجاد سیستم های همکار راننده که در مواقع لزوم به راننده هشدار دهند و یا از بروز تصادف جلوگیری کنند، تشخیص خودروهایی که از چراغ قرمز عبور می کنند و یا از سرعت مجاز تخلف کرده اند، کنترل ترافیک و کاربردهای نظامی و امنیتی از جمله کاربردهای آشکارسازی خودروها است. برای آشکارسازی موفق خودرو، باید سعی شود تا مسائلی مانند تغییر زاویه خودرو، تغییر روشنایی خودرو، حالت های خودرو، پس زمینه تصاویر و پوشیدگی که از جمله عوامل محدودکننده محیطی بر روی کار تشخیص خودرو می باشند و تأثیر بسزایی بر کارایی سیستم می گذارند، مورد بررسی و توجه قرار گیرد تا با ارائه راه حلی مناسب در این زمینه بتوان سیستمی مطمئن و کارا در زمینه شناسایی خودرو عرضه کرد. در این پایان نامه به پیاده سازی یک سیستم جهت استخراج خودروهای حاضر در صحنه های ترافیکی خواهیم پرداخت. سپس عمل ردیابی بر روی تصویر خودرو استخراج شده ی حاضر در صحنه انجام می شود. به طور کلی یک سیستم آشکارسازی خودرو از دو بخش تشکیل شده است: مرحله ی ساخت فرضیه و مرحله ی وارسی فرضیه. در اولین مرحله، مکان های محتمل حضور خودرو به عنوان فرضیه در نظر گرفته می شوند و در مرحله دوم همه ی فرضیه ها وارسی می شوند و به دو دسته خودرو و غیر خودرو دسته بندی می شوند. پس از آشکارسازی خودروها عمل ردیابی بر روی آن ها صورت می گیرد. در بخش آشکارسازی خودرو سه روش را پیاده سازی و با یکدیگر مقایسه کردیم. در نهایت به این نتیجه رسیدیم که، روش ویژگی های hog و کلاس بند adaboost به همراه مدل گاوسی ترکیبی دارای نتایج بهتر و سرعت بیشتری است. در بخش ردیابی نیز دو روش را پیاده سازی کردیم. در نهایت بهتر دیدیم که، ردیابی با ارسال ویژگی مرکز جرم، به فیلتر کالمن صورت پذیرد. نتایج آزمایش ها نشان می دهد که سیستم قادر به شناسایی خودرو در شرایط نوری متفاوت، مقیاس، جهت، پوشیدگی، و رنگ خودروهای مختلف است.