近些年来随着汽车数量日益剧增，道路交通安全问题逐渐引起了社会的普遍关注，智能汽车安全辅助驾驶系统已成为当前研究的热点。本文基于当前Android操作系统的开放性，使得智能移动设备上的应用开发具有很强的灵活性和广泛性，提出一种适宜于Android智能移动设备运行的行车安全预警系统，对车道线检测与车辆识别的关键技术进行了深入研究。论文在车道偏离预警方面，主要研究了结构化道路建立的车道几何模型和相关假设。在感兴趣区域中通过Hough直线变换提取道路图像边界线段，从中筛选出符合车道线的部分。本文提出对左右两侧车道线设置多项式边界曲线和斜率两个分类特征，去除了大部分干扰信息，有效地提高车道线检测的实时性，减小计算冗余量。对与计算获得的车道特征点集合，通过最小二乘法对车道线进行拟合重建，完成车道线的标识。为了实现车道偏离预警功能，本文对两种方法进行了研究：测量车辆与车道线间横向距离，以及根据车道线消失点与车辆中点的相对位移判断车辆行驶偏向角。论文在车辆识别方面，研究了一种通过机器学习对车辆进行有效检测的方法。首先获取大量车辆图像的正、负样本，选用Haar-like特征用机器学习算法Adaboost进行训练，最后获得Cascade级联分类器，利用实验证明训练所得的分类器对于实际道路环境中的车辆识别有效。为实现车辆碰撞预警，本文针对单目测距几何模型以及车辆碰撞时间TTC模型进行了研究。本文所提出的行车安全预警系统经过算法移植开发并在Android手机上进行了测试，有效地实现了行车安全预警系统的车道线检测和车辆识别功能。综合以上研究内容，本文提出的车道线检测与车辆识别具有一定的实用性。可帮助驾驶员在开车时对前方车辆距离有一个更准确的认知，提前采取正确行动。