基于机器视觉的智能车辆是智能交通系统的重要组成部分，其利用视觉传感设备感知车辆周边环境信息，对道路和目标进行检测、跟踪，从而为规划决策提供依据。该技术在军用和民用方面都有广泛的应用价值，近年来，已成为机场场面移动目标主动监视技术的重要研究组成部分。该论文对道路上的目标检测与跟踪这一智能车辆视觉感知系统中的关键技术进行了有针对性地研究，主要研究内容如下:针对摄像机外部工作环境以及摄像机本身硬件的影响导致采集图像存在噪声的问题，对图像进行极值中值快速滤波去除噪声点；针对轻微雾天、光照不足等情况下采集图像对比度低导致道路边缘检测效果不佳的表现，采用自适应区域直方图增强方法进行边缘增强处理。针对传统Hough变换不能准确有效提取道路边缘的问题，提出了基于分区域Hough变换的道路边缘检测方法。首先基于摄像机透视投影原理对道路图像进行不等区域划分；然后在边缘检测的基础上对每一个区域进行独立的Hough变换，提取该区域的道路边缘；在提取的所有区域边缘中道路边缘占有最大的比重，根据这一特征利用“窗口峰值”最终得到两条道路边缘。针对动态背景下道路目标难以提取的问题，提出一种基于图像分割和区域生长的道路目标检测方法。在道路区域利用图像分割算法完成道路目标初提取，融合RGB三通道分割图像，获得更加完整准确的目标区域；然后利用形态学去除噪声点等非目标区域；接着对处理后孤立目标区域进行标识归属划分；最后利用自适应区域生长算法生成完整的道路目标。对基于Meanshift的视觉目标跟踪方法进行了研究。引入静态检测和动态跟踪交互机制对道路障碍目标实现跟踪定位，不仅解决了新增目标的检测问题也解决了MeanShift固定核窗带来的定位误差问题。