随着汽车在人们日常生活中普及程度越来越高，交通安全方面的问题也成为不可忽视的问题。如何减少因车辆碰撞而导致的交通事故的发生成为当今研究的热点之一。车辆防碰撞预警系统是解决这一问题的有效解决方案。目前已经商业化的车辆防碰撞预警系统大部分是基于单目视觉的。车辆检测及车辆跟踪是此类系统的两个核心算法。本文在分析和比较国内外各种算法的基础上，以高速公路为应用场景，提出了相应的车辆检测与跟踪的算法。本文主要研究内容如下：1）针对白天场景道路车辆检测问题，提出基于阴影特征与垂直边缘对称性特征的方法来检测前方车辆。首先，使用车道检测确定路面区域，再使用基于统计的自适应方法确定阴影阈值，增强了对路面情况变化的适应性。然后，根据阴影阈值获得车底的阴影线段。再根据阴影线段得到ROI（感兴趣区域），结合垂直边缘对称规则来验证ROI是否为车辆区域。2）针对夜间道路车辆检测问题，提出了基于车辆尾灯特征的方法来检测夜间道路前方车辆。首先确定车辆尾灯需要检测的区域，降低了检测的复杂度，然后根据夜间高速公路场景下的车辆尾灯的颜色和亮度特征和车辆尾灯的空间分布特点，通过搜索的方法得到候选尾灯的图像。通过对候选尾灯图像连通区域的信息量化得到候选尾灯的具体信息。最后，根据车辆尾灯对的几何特征规则来对候选尾灯进行配对从而得到车辆尾灯对，实现对夜间车辆的检测。3）为了解决高速公路驾驶场景中车辆跟踪的稳定性与震动干扰的问题，提出基于邻域结合预跟踪队列和稳定跟踪队列的前方运动车辆跟踪方法。基于邻域的方法可以大幅减小需要跟踪的区域，提高运算速度。利用预跟踪队列筛选出稳定的跟踪目标，以增强跟踪方法的稳定性。在邻域的基础上使用稳定跟踪队列来加强对跟踪目标丢失以及跟踪目标特征变化的容错性因此能减小因摄像头震动、背景光源的干扰，从而加强了跟踪方法的抗干扰性与准确性。最后，本文在Windows系统下，使用Visual Studio2008编程实现了车辆检测与跟踪方法。由高速公路场景下视频的实验结果证明本文方法具有较好的稳定性、准确率与实时性。