基于MPEG运动矢量行车障碍检测算法，根据视频码流中运动矢量特点对车辆前方危险障碍物进行检测。作为一种直接在压缩域内进行障碍检测的算法，外界环境干扰、系统自身噪声等影响都易增加检测系统误判率。如何在内、外干扰的影响下，从连续视频中提取危险目标运动矢量就成为算法实用性研究的关键；此外，作为一种新的研究领域，对算法检测性能鲜有研究，而算法中虚、漏警率的数据统计又将为算法的准确性研究提供数据依据，因此，对其研究有着重要意义。 基于以上两点研究的重要性，本文在分析车辆行驶状态、障碍物出现的情况及深入研究基于MPEG运动矢量行车障碍检测算法的基础上，通过对实拍的车辆行驶连续视频流图像的检测，对原算法的虚、漏警概率进行实验统计分析；在此基础上就其实用性提出了改进，使其能够在检出率和虚警率之间达到平衡。具体研究内容主要分为以下几个步骤：首先利用MatLab软件编程，搭建MPEG连续视频流算法检测平台，可将视频中所获取的连续视频流路况信息分解成独立单帧，将其作为算法的输入图像序列应用算法进行检测，实现MPEG连续视频流行车障碍检测算法；其次，根据人工图像判读结论对算法的检出率和虚、漏警率进行统计；最后，根据实验数据表明结果，针对原算法中检出率高但虚警率也较高的问题，本文提出了改进意见。该方案是以重要采样定理和N-P定理为理论基础，将某路况下虚警概率经验值带入能使虚、漏警概率相互折中的N-P定理进行检测门限阈值的确定，对每种路况重复该过程，求出与之相应的最佳阈值门限，以此降低原算法中由阈值单一而带来的误判问题；在人工判读时，利用重要采样定理，降低了判读次数，减小了实验难度，此外，在估计虚警概率时，主要是以某路况下典型路况采样点进行估计，最后反推出该种路况下的虚警概率值，在保证实验精度的前提下减少了实验次数。 本文将改进算法应用于实际路况视频，实验统计了障碍检出率及虚警个数、漏警个数，并与原算法检测效果进行比较，实验结果表明，改进后算法在实用性和准确性方面较原算法有更好的效果。