随着汽车技术的发展,现在汽车对人们来说更加方便。然而,大多数交通事故是由于对周围车辆的干扰和驾驶员的疲劳造成的。为了使驾驶环境尽可能安全舒适,先进的行车辅助系统成为智能交通系统研究的重要课题。本文基于Android操作系统的可用性和开放性,在目标检测技术发展较为成熟的背景之下,在Android平台上已经有多例利用深度学习网络帮助识别前方物体的系统,但是仅仅识别是不足以用于实际场景中的实时检测,本文提出一种适用于Android设备运行的行车安全预警系统,并对车辆识别所用的关键技术进行了深入的研究。本文对目前的深度学习目标检测网络进行了研究和对比,选取最适合于本系统的YOLO网络作为目标识别网络。在车辆识别方面,研究了一种结合深度学习YOLO目标识别的方法对图像中的前方车辆进行检测识别,并对单目视觉下的测距做了研究和实验,依据实验的结果以及实际道路的情况将两种测距方法结合使用到车距测量上。对电脑端和手机端的深度学习识别进行了实验和对比,并依据对比结果优化系统流程,采用时间分片的形式将车辆运行过程中的识别结果做延时反馈,然后通过使用基于OpenCV的图像边缘检测算法来实现针对深度学习网络YOLO识别的结果的精度提高,并使用追踪算法减少一段时间内的计算量以此达到实时的程度,最后尝试将改进后的内容放到Android平台上实现,在Android平台上实现了具有预警效果的行车预警系统。本文提出的行车安全预警系统使用JNI的方式,在安卓智能设备中进行相应的开发和测试,有效地实现了车辆识别的功能,并对与自身车辆有关的前方信息进行安全判断并预警,可给驾驶员在行车路上提供安全信息提示。