随着高性能摄像设备的普及以及计算机和模式识别技术的发展,基于计算机视觉的车辆检测、车辆跟踪、车辆定位、轨迹分析等技术成为研究热点。这些技术在交通领域具有广泛的应用前景,如车辆轨迹预测、辅助驾驶系统、自动驾驶系统等。目前,虽然人们对车辆检测等技术已开展了一些研究,但现有的算法还很不成熟,无论是在准确性方面还是在计算速度方面都无法满足实际系统的需要。面对这种现状,本文利用图像处理和模式识别的方法对视频图像中车辆检测、测速测距等问题进行了研究。主要工作内容如下:1.提出了结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)训练正反样本,在不同核函数下验证训练效果,最终将训练模型应用到不同环境的视频文件中检验效果。该方法提升了传统车辆检测的效率,车辆检测率达到98.38%,但是也存在夜视下误检率较大的情况,实际效果仍有待提高。2.提出了以摄像机高度、俯仰角、方向角为误差补偿的单目视觉测距模型,通过几何投影原理来获取前方车辆距离信息并且计算出前方车辆速度。最终实验效果表明,该方法可以实时检测前方车辆的距离与速度,对于保证车辆行驶过程中的安全距离与安全速度,防止车辆发生追尾等提供了一种有效的保障。3.基于视频的前方车辆变道识别方法,首先通过使用HOUGH变换提取车道线,结合卡尔曼滤波对帧图像下前方车辆的位置做出预测。考虑到变道问题主要依据车辆的横向移动,再结合车辆变道过程中车辆速度变化等因素,当车辆在连续多帧图像情况下发生横向移动,导致车辆与车道线之间距离发生变化,以此预测分析车辆左右变道的可能性。实验结果表明,该车辆变道识别方法能够帮助驾驶员实现辅助驾驶,是一种有效的前行车辆变道识别方法。