夜间车辆检测和状态判断指的是基于前向摄像头，对于前方车辆进行检测，并根据其尾灯状态对车辆整体状态做出判断。本文的研究内容主要分为两部分：第一部分对夜间车辆检测的核心问题，即尾灯提取，提出了新的方法；第二部分对其他步骤提出了一系列改进方案。在夜间前车尾灯提取问题上，现有算法存在一些问题，如对输入设备和检测场景依赖性较大，可检测的车灯形状和颜色受限，检测阈值依赖前车距离等。针对这些问题，本文提出一种算法进行改进。该算法首先通过感兴趣区域分割划定检测范围；接着，通过大量采样统计得到的宽泛阈值进行过滤；然后，进行白色区域提取，得到一些疑似车灯对象，并进行初步验证。在假设验证过程中，本文算法首先进行内矩形拓展，得到光晕区域的大致范围；接着基于车灯白色区域向外层层拓展，对光晕区域进行精确覆盖；然后，算法创造性地提出基于一个事实对假设进行验证，即“越远离白光区域的光晕点亮度值越低”，最终得到车灯检测结果。实验结果表明，较以往的算法，本文算法在尾灯颜色和形状等适应性方面更优，并且有着更高的检测率。在夜间车辆检测和状态判断问题上，现有算法在跟踪失败时缺乏一种合理的处理方式，且对车灯状态变化欠缺考虑；在车灯匹配时，现有算法对于条件限制过于严格，要求前车必须比较正对宿主车辆，导致可检测的角度较小；在状态判断步骤中，现有算法没有充分利用车灯的历史信息和异常状态下车灯的特点。针对这些问题，本文提出改进。在跟踪步骤中，本文采用两个队列进行跟踪，进一步过滤非车灯对象，并采用最小二乘估计维护稳定车灯对象信息，维持检测的连贯性；在匹配步骤中，本文提出使用多个较宽松的匹配条件结合的方式，为了兼容单个车灯变化（如转向灯）的情况，匹配只进行一次。至此，算法得出了车辆检测结果。在状态判断步骤中，本文算法提出同时利用亮度和颜色两种特征，通过历史3帧的车灯亮度以及颜色的累积变化程度来判断前车状态，以达到较好的状态判断效果。实验结果表明，本文提出的跟踪和匹配算法能够达到改进目标，车辆检测算法整体在检测率和适应性上相比现有方案有不小提升。状态判断算法能够准确判断前车状态。算法整体具备了有效性和实时性。