当前交通快速发展,车辆和驾驶员数量越来越多,随之而来的是驾驶员的注意力分散等问题导致的交通事故越来越多。为了减少交通事故,本文提出基于深度学习的前车碰撞预警系统。在本系统中首先使用车载相机获取本车前方带时间戳的图像数据,然后利用深度学习算法在图像中进行目标检测,并采用融合测距方法计算前方车辆的位置信息,再结合距离和时间信息对车辆速度进行分析,最后进行综合预警:利用TTC(Time to Collision)预警模型进行车辆碰撞预警,利用非机动车及行人的距离进行非机动车及行人靠近预警。本文的主要研究工作包含以下三个部分:1、提出一种适用于交通场景且可用于低成本嵌入式平台的目标检测算法,目标检测算法作为预警算法的第一步,其性能决定了预警系统的性能。本文在分析了交通目标的几何尺度特征后,进行网络设计,并采用残差结构连接底层特征和高层特征,在两个尺度上进行目标检测。实验表明,该算法在快速进行目标检测的同时可以保证检测精度。2、提出了结合基于车牌大小测距和基于几何模型测距的融合测量距离方法。通过实验分析车牌大小测距和几何模型测距的优点和缺点,发现基于车牌测距的方法容易在车身较远时出现车牌检测失败导致测距失败的问题,而利用落地点进行几何模型测距的方法容易出现因为落地点被遮挡等导致定位不准确的问题。为提高测距方法的鲁棒性提出融合测距方式,利用几何测距模型首先粗略划分车身在近距离内还是属于远距离,在远近距离内采用不同的测距方式,提高测距方法的鲁棒性。3、构建了包含前车碰撞预警和非机动车及行人靠近预警的综合预警模型。将每次的目标检测结果,目标测距结果结合时间戳进行保存,并进行碰撞预警。因为非机动车及行人的行为不可预测,所以设立针对非机动车及行人的碰撞预警方法,当检测到非机动车及行人出现在预警范围内时则进行预警。