随着汽车在人们日常生活中普及程度越来越高，交通安全也成为不可忽视的问题。近年来，国内外的智能驾驶技术成为关注的焦点，基于视频图像的前方车辆检测作为智能车辆系统的关键技术，已经成为当前研究的热点之一。本文主要研究基于单目视觉的前方车辆检测算法，利用车辆的车牌、边缘对称性特征和车尾灯形状等多个特征来检测前方车辆。本文在分析和对比国内外有关车辆检测算法的基础上，提出了一些相应的改进方法，主要研究内容有以下三部分：　　(1)基于HSV颜色空问的车牌和车尾灯区域的提取，检测的结果依赖人为设定阈值的影响和颜色空间转化会耗费一些时间的问题。本文在RGB颜色空间中，采用一种自适应的颜色特征提取方法，该方法可以普遍适用于交通视频图像的车辆检测。　　(2)针对颜色特征提取的图像，常用的Otsu阈值分割算法分割结果不理想，会产生一些干扰区域，进而影响后续的车牌定位和车尾灯的提取。本文采用平均梯度改进Otsu阈值分割算法，通过求取使类问方差最大的最佳分割阈值，可以很好的在颜色特征图像中分割出目标区域，分割的区域结合车牌的形状特征定位出车辆候选区域。采用车尾灯灰度对称性进行匹配，确定车辆位置。　　(3)基于改进Otsu阈值的前方车辆检测可以很好的降低误检率，但是漏检率同时增加太多。为了降低漏检率高这一问题，本文采用综合车尾灯的形状相似性和HU矩特征进行前方车辆检测，更好的提高检测率。