随着公路交通事业的迅速发展,给人们的生活带来便利的同时,也造成了道路交通安全问题日益突出。安全辅助驾驶系统作为智能交通系统的重要组成部分,能够有效地预防交通事故的发生,提高行车的安全性。而前方车辆检测与跟踪是安全辅助驾驶系统的核心环节,为车辆的信息提取以及行为分析提供了重要的保证。本文在分析和比较国内外各种算法的基础上,研究并提出了相应的基于单目视觉的车辆检测与跟踪算法。全文主要内容如下：1)对前方车辆检测与跟踪的研究背景和意义进行了探讨,阐述了常见的基于单目视觉的前方车辆检测与跟踪方法,并分析了这些方法的优缺点,为后续研究作准备。2)研究了基于AdaBoost的前方车辆检测算法。选取Haar-like特征作为图像特征,利用Gentle AdaBoost算法和CasCade算法对训练样本进行离线学习,得到级联结构的车辆分类器；检测过程中,采用等比放大检测窗口的方式扫描待检图像,利用车辆分类器对检测窗口进行分类,最后综合各个检测窗口的结果,得出车辆的最终位置。实验结果表明,该方法能够有效地检测出前方车辆,具有一定的鲁棒性,基本上满足实时性要求。3)提出一种基于改进TLD的前方车辆跟踪算法。TLD算法是一种新颖的目标跟踪算法,在给定极少的先验知识的情况下,能够迅速地学习目标特征并进行有效的跟踪。而车辆的先验知识可由前方车辆检测算法提供,因此,TLD跟踪算法完全能够适用前方车辆跟踪问题上。然而,TLD跟踪模块均匀地选取特征点进行跟踪,无法保证所选特征点被可靠地跟踪。针对这个问题,提出一种基于关键特征点的选取方式,保证所选特征点能够被正确可靠地跟踪,防止跟踪发生漂移,提高跟踪精度。另一方面,在TLD检测模块中引入了基于轨迹连续性的在线位置预测,在保证正确跟踪的前提下,缩小了检测范围,提高了运算速度。最后,利用改进的TLD算法对前方车辆进行跟踪。实验结果表明,该算法能够有效的对前方车辆跟踪,且在各种较难处理的情况下具有较好的跟踪效果。