在高级辅助驾驶技术与无人驾驶汽车技术领域中,基于视觉的前车目标检测技术在其中扮演重要的角色。对大量已经出现或正在研究的前车目标检测算法进行有效的综合评价,成为该领域发展过程中的重要需求。这有利于前车目标检测算法的发展、界定算法的性能边界和提高算法的适应性都有重要的意义。因此,本文围绕前车检测算法性能评价问题,在性能研究内容、性能评价环境构建和性能综合评价方法三个方面开展研究。本文具体研究工作如下:（1）根据基于视觉的目标检测技术研究特点,将性能评价同算法研究综合在同一框架下。总结前车检测性能评价的原理和常用的评价方法,分析测试分析法和机理分析法在性能评价中的应用原理。最后探究了性能评价的研究内容。（2）通过解析了11种待评价前车检测算法的原理和网络结构,确定前车检测算法的性能评价的主要内容。同时,通过前车检测算法性能评价现状分析,发现现有的性能评价方法存在的问题和不足。针对存在的问题,确定性能评价主要内容为构建前车场景仿真、确定性能评价指标和性能评价环境构建。前车场景仿真是采用简单的模型或复杂的模型来仿真目标车辆。性能指标是从分类精度（识别精度）、定位精度、算法运算速率和检测算法的模型大小几个方面进行分析,目的是为准确地体现出检测算法的综合性能。（3）前车检测算法性能评价支撑环境的构建,并在建立的环境上完成11种前车检测算法模型的搭建和调优。模型创建是利用函数式API创建,这种方法比较灵活、自由,较为便捷地解决了前车检测网络结构的构建问题。最后,将所有的检测算法调整到最佳状态,用相同的测试集进行测试,得到此时算法性能指标的数值。（4）前车目标检测算法的性能评价方法研究和实验验证,把决策论应用于前车检测算法性能评价中,利用多指标决策解决前车检测的综合性能评价,将前车检测算法性能评价问题从多属性决策的角度进行分析,将其转化为区间数多属性决策问题。结合前车检测算法性能的特点改进了两种综合性能评价方法,区间加权法以价值理论为基础,根据评价指标的特性,确定评价指标的价值函数,并用加权的方式得到前车检测算法的综合评分值。最后对比这两种评价方法所得到的结果大致相同。另外,将本文所评价的前车检测算法性能排序结果与目标检测中常用的评价排序结果基本相同,只有少数几个算法存在差异。这也验证本文建立的评价方法的正确性和合理性。