近年来随着社会经济的快速发展,交通问题日益显现,严重的交通堵塞、交通事故频发以及日益加剧的环境污染一直困扰着人们。智能交通系统作为最有效的解决方法一直是人们研究的热点。本文采用了理论研究和实验仿真相结合的方法,研究了智能交通系统中快速公路车辆跟踪算法。重点分析了车辆在公路上的运动形式,运用卡尔曼滤波法建立了理想情况下车辆运动状态的描述模型,仿真研究表明该模型能够较好的对车辆进行定位。由于实际情况往往很难满足高斯噪声及线性系统的要求影响了模型对车辆状态描述的准确性,因此提出了将卡尔曼滤波与改进的均值漂移算法相结合的方式来对车辆进行跟踪；首先利用卡尔曼滤波预测出车辆的大致位置,然后以该位置为搜索中心对车辆的最优位置进行迭代,并将迭代结果作为车辆的真实位置,实验结果和性能分析表明,该算法的跟踪效果理想,算法鲁棒性好。车辆在跟踪过程中,往往会出现目标遮挡的情况,此时车辆会产生不规则的变形并且在遮挡的部分,目标的特征信息会丢失,重点分析了遮挡的各个阶段并引入了目标分块思想,针对遮挡的不同阶段提出了不同的解决方法,实验结果表明,车辆在部分遮挡及完全遮挡情况下该算法仍然能够很好地完成跟踪任务。本文提出的针对正常情况下及遮挡情况下的车辆跟踪算法,处理速度快、跟踪准确,具有良好的实时性与稳定性。