前碰撞预警系统是安全辅助驾驶领域的重要分支,随着汽车产业的发展和人们生活水平的提高,越来越多的私家车进入人们的生活。部分驾驶员交通安全意识不足,在驾驶过程中注意力分散,随意变道,易导致交通事故。本文提出的基于图像传感器的前车并线及碰撞预警算法,利用车载相机获取当前车辆前方一定区域的图像数据,通过目标检测和跟踪方法,计算并得到目标车辆的位置信息,通过车载相机标定测距,获取目标车辆的距离、速度、轨迹和类别等信息,对该信息进行综合判断,从而实现前车碰撞时间预警、前车并线预警及非机动车预警功能,在判断到潜在危险时,可以通过声音、触感或辅助控制等方式,及时提醒驾驶员采取有效措施。本文的主要工作和成果如下:1、提出了一种基于深度学习的交通场景下目标检测方法。目标检测是整个碰撞预警算法的核心,决定了预警系统的准确性。本文的方法利用深度神经网络提取目标特征,结合交通场景下目标(如机动车、非机动车等)的几何特征,设置合适大小和数量的矩形锚框,并在两个尺度上检测图像中的目标。实验表明,该方法在保证精度的同时,有效降低了目标检测算法的训练和检测时间。2、提出了一种基于路面纹理上下文信息的自适应尺度目标跟踪方法。该目标跟踪方法实现前方目标车辆的定位、轨迹记录及运动趋势判断等功能。根据图像中的目标车辆与其下方道路纹理区域的相对位置、道路纹理的稳定性,及目标的上方、左方和右方的噪声区域,利用机器学习方法,将目标周围相邻区域的特征按照一定权重进行融合,实现在线训练,并检测前方目标的中心位置;在此基础上,采用多尺度跟踪的方法,按照实际尺度的变化对目标的边框进行调整。实验表明,该方法能够有效提高跟踪算法的定位精度和抗干扰能力。3、提出了一种目标检测和目标跟踪方法的融合策略、前车并线预警策略及碰撞预警和非机动车预警策略。利用队列数据结构,保存并更新目标的轨迹信息,并根据轨迹信息,实现前车并线预警功能;根据碰撞时间实现前车碰撞预警功能;根据目标的类别,将目标分为机动车和非机动车,实现非机动车预警功能。实验表明,该策略具有较高的鲁棒性和准确率,特别在高架或高速道路场景下,前车并线预警能及时有效地检测出并线意图,及时预警。