如今我国的汽车产销量已位居世界第一,汽车给人们的生活带来便利的同时也产生了诸如交通事故、空气污染、交通事故等问题。由交通事所故造成的人员伤亡数量逐年上升。随着人工智能等相关技术的不断进步,以及摄像头、毫米波雷达、激光雷达、自动驾驶控制器等各种设备在汽车上的应用,人们希望能够通过技术手段来辅助或代替驾驶员进行车辆驾驶,以提高车辆行驶的安全性。车辆行驶安全的关键因素是前方的目标识别与预警,一般通过摄像头、毫米波雷达等设备来进行风险识别与预警。本文定位于智能车前方目标识别与风险预警领域,以单目车载摄像头为基础,针对当前目标识别速度慢、目标定位精度低、目标测距误差大等问题,结合了神经网络技术对目标定位、测距与风险预警进行了理论及试验研究。本文首先对国内外智能车的研究现状、发展趋势、方针政策等进行了阐述。接着列举了国内外研究人员基于机器视觉进行目标检测方面的成果,并对本文的研究意义与必要性进行了探讨。之后,对图像预处理技术进行了对比分析和广泛讨论,选定了FAST算法用于目标检测,并对该算法进行了优化。接着,对摄像头的标定与测距原理进行了研究和分析,并提出了一种新的基于坐标变换的目标测距算法。然后,对神经网络的原理进行了介绍,并对不同的目标识别与特征点检测方法进行了论证和分析,针对车辆和行人的两种不同目标,提出了两种不同的测距方法,对车辆目标提出了一种新的经过优化的FAST特征点检测算法,并取得了较好的目标识别效果,为提高目标测距的精度奠定了基础。随后,以汽车制动理论为依据,通过对比制动距离与目标测算距离,以MATLAB2016b为平台建立了风险预警系统,对前方风险目标进行预警。最后,通过试验对目标检测及其测距的效果和精度进行了验证,并且验证了本文所设计的行车风险预警系统的效果,试验结果证明了提出的目标检测和测距方法是可行的,并且设计的风险预警系统也是准确和有效的。本文对机器视觉技术进行了有益的研究和尝试,其研究成果对前方风险目标的快速识别与预警具有一定的现实意义,为今后智能车环境感知技术中机器视觉技术的应用与推广做出了支撑。