汽车在给人们生活带来极大便利,同时带来了很多严重的问题。在安全性方面,交通事故每年都造成大量的人员伤亡和经济损失。为了解决这些问题,各国投入了大量的人力和物力进行智能交通系统ITS的研发,车辆辅助驾驶系统DAS就是其中一个重要的研究方向。本课题研究的基于视觉的车辆检测算法应用于车辆辅助驾驶系统中,根据自车前方单目摄像机所拍摄到交通场景图像,迅速的检测出前方区域中是否有车辆存在,然后将检测结果反馈给驾驶员以及辅助驾驶系统的其它模块,能够帮助驾驶员采集前方交通信息并提醒驾驶员潜在的威胁,为车辆碰撞预警、智能驾驶提供了可能。本算法属于移动的车辆检测技术,由于辅助驾驶系统要求较高的实时性,而车载系统的硬件配置又不能太高,移动检测的算法设计难度高于静态检测算法。本文在总结分析现有车辆检测算法的基础上,针对不足提出了改进。为了避免对整幅图像进行搜索识别,将车辆检测算法分成两个阶段：阴影特征提取阶段和车辆特征识别阶段。在阴影特征提取阶段,利用车底阴影特征对图像进行分割,生成感兴趣区域ROI；在车辆特征识别阶段,采用Haar-Like特征构造弱分类器,使用Adaboost算法对弱分类器进行提升,集成强分类器后对感兴趣区域进行分类,得出识别结果。实验结果表明,算法能够较好的检测前方路面上的车辆,识别率较高,误识别率有所降低,运行时间也在接受范围之内。