随着我国道路基础设施的不断完善和汽车保有量的逐年增加,交通事故数量居高不下,道路安全形势仍然严峻,对人们的生命财产安全构成了巨大威胁。驾驶员的不正确操作是造成事故发生的决定性因素,而高级辅助驾驶系统能够在一定程度上辅助驾驶员进行正确操作,进而改善行车环境,减少交通事故的发生;同时随着汽车行业迎来新一轮科技革命和产业创新,以智能化、网联化为核心的辅助驾驶甚至无人驾驶成为未来发展的重要趋势。因此,开展基于机器视觉的前方车辆状态辨识与预警系统研究,符合当下实际需求和未来发展方向。针对弯道场景下以其他车道相邻车辆作为判断目标,造成系统虚假警报的问题,通过对不同道路线形的车道线进行识别来划分车辆的可行驶区域。对道路图像进行灰度化、中值滤波和自适应阈值分割处理,深度挖掘重要的道路轮廓信息;提出直线和曲线组合模型对不同道路线形的车道线进行重建,采用改进Hough变换完成直线车道线和弯道车道线近视野部分的检测,采用双曲线完成弯道车道线远视野部分的拟合,准确划分车辆的可行驶区域;利用Haar特征结合Ada Boost级联分类器算法对前方目标车辆进行识别,并通过自适应Kalman滤波完成车辆跟踪。针对弯道场景下以本车道前方车辆的直线距离作为判断距离,造成目标距离计算误差的问题,提出针对直线和弯道不同道路线形的车距计算模型。根据成像几何原理和坐标转换,建立特征点像素坐标与世界坐标的转换模型;根据不同道路线形选取合适的特征点,直线路况选择车辆特征点,弯道路况选择一系列车道线特征点,提出适用于直线路段和弯道路段的前方车辆测距模型;对摄像机内参数进行标定,同时结合车道线消隐点完成摄像机俯仰角的实时标定,在此基础上进行相关的标定实验和测距实验,验证模型的准确性。结合行车环境辨识与几何测距模型等研究内容,基于视频图像的测速算法和分级预警控制策略完成前方车辆状态辨识与预警判断。利用MFC框架与Open CV结合,开发基于机器视觉和结构化道路条件下的前方车辆状态辨识与预警系统,能够在一定程度上为交通事故预防、道路安全评价提供技术支持。