随着汽车保有量的快速增加,行车环境日趋复杂。为了提高车辆主动安全性和可靠性,降低交通事故发生概率,研究和开发车辆碰撞预警系统具有重要的社会意义。本文引入单目视觉,研究行车状态下的前车防碰撞预警系统,通过测量前方车辆的距离并迅速反馈,为驾驶员提供预警信号,避免由于驾驶员注意力下降或疏忽所造成的交通事故。在分析和讨论国内外研究现状的基础上,本文采用基于AdaBoost分类的目标检测算法检测识别图像中的车辆,阐述了算法原理与流程。根据车辆在高速公路上行驶的特点,在目标车辆的邻域范围内进行跟踪。针对车载摄像机图像中背景随机动态变化与目标车辆较稳定变化的情况,本文提出了基于目标车辆的改进高斯混合模型。该模型可以有效地区分目标车辆和动态背景,并且能够随着目标车辆像素的实时变化进行动态更新。同时,该模型可对最终跟踪位置与目标车辆的图像面积进行修正。实验结果表明:改进的高斯混合模型对于目标车辆与背景具有良好的鉴别能力。考虑到Meanshift跟踪算法易出现跟踪漂移的情况,本文提出了一种结合改进高斯混合模型与Meanshift跟踪算法的新算法,有效地抑制了 Meanshift跟踪算法在迭代过程中背景信息的干扰,充分利用了车辆颜色信息,提高了车辆目标跟踪的准确性和稳定性。由于车辆的行驶速度无法预测,在某些时刻目标车辆突然加速驶出跟踪区域或被遮挡,很容易出现暂时跟丢的情况。在改进Meanshift跟踪算法的基础上,本文结合粒子滤波跟踪算法实现了目标车辆的重新定位,形成了目标车辆暂时跟丢的解决方案。在单目测距方面,本论文引用基于几何关系的投影算法进行测距,实验表明测距量程达到45m。最后,本文对所开展的研究工作进行了总结,并展望了下一步的研究工作。