目前,道路交通安全问题得到了越来越多的关注,驾驶辅助系统是一项重要的汽车主动安全技术,也是智能交通和智能车辆的重点研究方向。车辆前方危险目标识别是驾驶辅助系统的重要组成部分,运用目标检测和跟踪技术对车辆前方危险目标进行识别,并判断其风险等级,可以很大程度的降低交通事故,提高车辆行驶的安全性。在复杂的道路交通环境中,视频背景是动态变化的,这就导致现有检测和跟踪算法存在诸多问题,针对这些问题进行研究,并对跟踪到的目标进行运动参数估计,评估其风险并进行预警。在目标检测方面,运用基于HOG特征的行人和车辆检测算法,根据样本的方向梯度直方图特征,使用SVM分类器进行学习和分类。在算法的改进方面,运用主成分分析法对HOG特征进行降维处理,并且对于视频图像进行区域分割,确定目标存在的可能区域,之后在可能性区域进行滑动窗口检测,使检测算法基本满足实时性的要求。对于算法检测精度方面进行了改进,运用灰度对称性测度和局部熵的计算剔除相应的误检目标。在目标跟踪方面,运用基于粒子滤波的目标跟踪算法,实现了目标的跟踪,并对跟踪结果进行了简要分析。在目标检测和跟踪的前提下,对跟踪到的目标进行速度、方向和距离的估计。其中目标的方向估计采用的是基于历史图像的方法,判断运动模块的整体梯度方向,进而得出目标的总的运动方向；目标的速度估计采用目标在图像上的速度和现实速度的转换比例得出,目标在图像上的速度是通过目标质心的位移和帧速率求得；目标的距离估计则是采用了摄像机小孔成像的原理进行计算的,首先对摄像机的内部参数进行了标定,根据标定结果,结合已知参数计算目标的相对距离。最后对于采集到的目标运动参数进行模糊综合评价,判断目标的风险等级,并在视频图像上进行显示。最后,利用OpenCV2.4.2和MS VC++2008编程实现了道路目标的检测和跟踪及其运动分析软件,软件能够较为精确的检测到行人和车辆目标,并对目标的运动参数进行估计,能够初步的判断其风险。本文对车辆前方危险目标的识别及其风险评估进行了研究,论文结果对汽车主动安全技术的研究有一定的借鉴意义。