为克服人为因素造成的交通事故,提高公路交通系统的安全性,本文立足于计算机视觉技术,构建了一个应用于高速公路上的汽车驾驶辅助安全系统,并对其中车道线和车辆的识别与跟踪方法进行了重点研究。本文分析了高速公路的特点并结合透视成像原理,对近距离的车道建立直线型车道模型。以车道上的白色标记为基础,采用基于颜色的图像分割,通过边缘提取和Hough变换识别出路面上的车道标线。在车道检测的基础上,本文以车道线的三个特征—起点位置、方向和灰度值为基础,提出了一种基于3D特征的车道跟踪算法。该算法综合车道线的三个特征进行跟踪,大大提高了车道跟踪的可靠性和准确性。同时,对于车道标记被不同程度遮挡等复杂路况,本文设计了智能跟踪策略并将其融入车道线跟踪算法之中,使系统获得了稳定快速的跟踪能力。车辆检测算法采用假设产生和假设确认的两步法策略,即以检测到的路面上的阴影作为车辆存在假设,通过验证灰度对称性来确认车辆。以车辆检测为基础,本文采用“匹配—修正—预测”的循环策略进行前方车辆跟踪。针对边缘图像中传统模板匹配方法的缺陷,本文将距离变换的概念和边缘特征模板引入其中,使算法在抗图像边缘变化、模板的动态更新及匹配效率等方面获得优良品质;此外,本文利用Kalman滤波预测技术预测车辆在序列图像中的下一位置,使系统在减小模板匹配的搜索区域,降低误匹配的概率,保证车辆跟踪的持续性、实时性等方面令人满意。实验结果表明,本文提出的车道和车辆识别跟踪方法是可行的,能够满足系统实时性和准确性的要求。