近年来我国经济水平稳步增长使得国内汽车保有量急速增加,汽车虽然方便了居民的日常出行需要并成为应用最广泛的交通工具,但同时也使交通事故频繁发生,驾驶安全问题引起更为广泛的关注。研究汽车高级辅助驾驶系统也成为当下热点,将计算机视觉领域表现出优秀性能的深度学习方法运用于汽车辅助驾驶方向正成为如今的发展趋势。本文主题是基于深度学习的方法对前方碰撞预警系统进行研究,研究对象是汽车行驶道路前的车辆与行人目标,研究的核心内容包括目标检测算法、目标追踪算法以及基于单目视觉的测距算法。前方碰撞预警系统将前方道路图像输入到目标检测与目标追踪模型中,实现对道路环境中目标的追踪,并使用单目视觉测距方法计算出前方道路目标的距离与位置信息,最后根据目标位置信息对道路目标的速度进行分析判断是否需要碰撞预警。主要进行的工作如下:1、构建适用于前方碰撞预警系统的目标检测网络模型。为了使目标检测模型在满足性能要求的同时,具有轻量化、实时性好的优点,本文将Mobile Net V2网络与YOLOv5s网络进行融合改进,并对改进后的模型使用通道剪枝的方法得到YOLO-FCW网络模型,最后借助知识蒸馏训练方法将其精度恢复。2、在目标检测模型基础上构建目标追踪模型Deep SORT,并改进了目标追踪模型的特征提取网络。针对Deep SORT中特征提取网络存在的问题设计了4种不同体积大小的特征提取网络满足不同的开发需要,进一步提高了目标追踪模型的速度,同时解决了YOLO-FCW模型检测出的目标边界框突然消失及剧烈抖动等问题,从而实现对检测目标的实时追踪。3、构建前方道路目标的距离检测算法。针对单目视觉存在的问题提出了一种基于车道线检测的复合测距算法,该算法先对车道线进行检测并计算其曲率,根据二维图像中前方目标所在位置处的车道线之间的水平像素宽度利用三角关系求出真实像素宽度从而完成测距工作;当道路内没有车道线时,则采用基于投影模型的测距方法进行测距。4、构建前方碰撞预警系统模型。通过对车辆的制动距离分析得出前方碰撞预警系统的一级安全距离与二级安全距离,并结合检测出的目标种类将前方道路划分为一级与二级碰撞预警区域以实现预警系统的多级预警设计。