随着汽车保有数量的增加,给人们带来方便的同时,车辆事故的发生率也逐年递增,因此车辆的安全性也越来越受到人们的重视。主动安全对车辆行驶安全性的提升有着重要的作用,而汽车的主动安全首先需要探测到周围的环境状态,其中最重要的就是对前方车辆的检测、定位和预警。目前在车辆检测上主要是应用激光雷达和照相机传感器。由于激光雷达过于昂贵,照相机具有成本低廉且能探测到丰富信息的优点,因此本文选用单目相机作为数据采集设备。本文主要内容如下:（1）本文首先利用车道线检测方法为车辆提供道路信息。针对车道线检测过程中受强光和阴影影响大的特点,利用积分图法进行二值化。使用骨架提取方法减少角点数量,对车道线拟合过程中的RANSAC算方法的随机性进行限制并进行外点的删除。实验结果表明该方法具有较好的鲁棒性和实时性。（2）为了能够精确的检测到前方车辆,为车辆主动安全系统提供可靠的信息,本文在Caffe框架使用具有强大特征提取能力的深度学习网络提取车辆特征,使用检测速度和检测精度比较好的SSD目标检测网络检测前方车辆。通过对训练得到的SSD网络模型进行评价,模型的检测精度较高,实时性好。同时对于逆光时距离本车较近车辆的检测精度受阴影影响较大的现象提出了一种利用HSV色彩空间选择色域,然后再YCr Cb空间上进行在对比度增强的方法,有效提高了检测网络应对这种逆光影响的能力。（3）根据连续两帧中识别边界框的几何中心变化小的特点,利用匈牙利算法对连续视频中出现的车辆是否为同一车辆做出判断。为提高车辆行驶过程中动态测距的精度,对边界框进行卡尔曼滤波以减小抖动并对检测到的车辆进行跟踪。在单目视觉测距方面,利用拟合测距方法根据边界框下沿和图像底边的距离对初始车距进行计算。为了抵抗俯仰角和路面坡度对单目测距的影响,基于小孔成像原理,利用车辆高度不变的特点进行车距修正,并利用试验表明了该方法的正确性。最后利用帧差法计算前车和本车的相对速度,并根据车距和相对速度进行碰撞预警。