现有基于图像的车辆追踪方法需要查询图像来检索相同车辆。由于查询图像通常难以给定，且在某些场景下存在遮挡、模糊等问题，大大降低了追踪车辆的准确性。本模型提出“言出车随——一种基于扩散模型（Dall·e 2）的车辆检索系统”，利用给定的文本描述追踪特定车辆，采用视觉和语言多模态技术，克服了传统基于图像的车辆追踪技术的弊端，为基于语义分析的新一代智慧交通系统提供理论和技术上的支持，具有广阔的应用前景。