Интеллектуальная транспортная система - это новая технология, которая может играть важную роль в борьбе с трафиком, уменьшением аварийности, загрязнением воздуха и другими вещами. Существует множество методов, которые могут использоваться для управления автономным транспортным средством, чтобы избежать несчастного случая, такие как электронные системы, датчики, системы компьютерного зрения, глубокое обучение и машинное обучение. Среди них системы компьютерного зрения и глубокое обучение становятся все более популярными для преодоления различных проблем, таких как выезд за полосы, обнаружение препятствий и обнаружение линии. В настоящем документе предлагаются методы компьютерной визуализации, основанные на обработке изображений, для отслеживания и обнаружения транспортных средств в режиме реального времени. Эти методы включают в себя Cascade Classifier, сверточную нейронную сеть (CNN), алгоритм преобразования линии Hough и цветовое пространство HSV. Для реализации каскадного классификатора использовалась библиотека OpenCV, а для CNN использовался Tensorflow, оба они являются библиотеками с открытым исходным кодом и работают на основе машинного обучения. Наконец, результат показал, что эти алгоритмы были быстрыми и с высокой точностью обнаруживают транспортные средствав реальном времени. Эти методы наиболее полезны для мобильных роботов, для избегания несчастных случаев, а также чтобы найти собственное местоположение в окружающей среде. Кроме того, может быть полезно для промышленного робота, для обнаружения объекта на основе специального цвета.