كشف وتعقب المركبات المُلتقطة بواسطة كاميرات المراقبة المرورية يُعد عنصراً أساسياً في أنظمة المرور الذكية. في هذه الورقة، نقدم طريقة جديدة للكشف عن الصناديق المحيطة ثلاثية الأبعاد (3D Bounding Boxes) للمركبات. وباستخدام الهندسة المعروفة للمنطقة المراقبة، نقترح خوارزمية لبناء تحويل منظوري (Perspective Transformation). يمكّن هذا التحويل من تبسيط مشكلة الكشف عن الصناديق الثلاثية الأبعاد إلى مشكلة كشف الصناديق الثنائية الأبعاد مع معلمة إضافية واحدة. وبالتالي، يمكننا استغلال كاشفات الكائنات الثنائية الأبعاد المُعدّلة المستندة إلى الشبكات العصبية التلافيفية العميقة (Deep Convolutional Networks) للكشف عن الصناديق الثلاثية الأبعاد للمركبات. ويمكن استخدام الصناديق الثلاثية الأبعاد المعروفة للمركبات لتحسين النتائج في مهام مثل تصنيف المركبات بدقة عالية أو إعادة التعرف على المركبات. تم اختبار دقة كاشفنا من خلال مقارنة دقة قياس السرعة على مجموعة بيانات BrnoCompSpeed مع أحدث الطرق المطورة. وقد أدى أسلوبنا إلى خفض الخطأ المتوسط في قياس السرعة بنسبة 22٪ (من 1.10 كم/س إلى 0.86 كم/س)، وخفض الخطأ الوسيط بنسبة 33٪ (من 0.97 كم/س إلى 0.65 كم/س)، إلى جانب زيادة معدّل الاسترجاع (من 83.3٪ إلى 89.3٪).