为解决交通安全问题,安全辅助驾驶已成为当前国际智能交通领域研究的热点,其中前方车辆的识别和测距技术是防碰撞系统研究的重要内容。当行车环境恶劣,例如夜间行车、雾天行车时,基于可见光的车辆检测技术受到限制,因而采用热感应原理的红外成像技术,正由军用市场逐步进入商用市场。本文研究基于红外图像的前方车辆识别技术和基于单目视觉的测距技术。传统的车辆识别方法,如帧差法、背景减除法等大多都是基于静态背景下运动目标的检测,而且都是利用图像的全局特征,计算量相对较高。本文在研究动态聚类算法的基础上,充分利用道路环境辅助信息,给出一种基于聚类分析的前方目标车辆识别方法,进而对前方目标车辆进行视觉测距。本文首先研究红外图像预处理技术,通过对比实验,给出适用于本文目标车辆识别的红外预处理方案,通过中值滤波和灰度增强,达到去除红外图像噪声和增强目标车辆与背景图像对比度的目的。然后通过研究前方车辆红外成像特征,利用高频信息估计和环境信息估计相与操作的思想,给出一种基于环境辅助信息提取目标车辆感兴趣区域的方法,可以去除目标车辆外的大量干扰信息。通过对感兴趣区域特征分析,给出一种基于聚类分析的前方车辆识别方法,即利用显著性检测、ISODATA聚类分析、目标车辆红外特征量检测等算法对聚类区域进行目标车辆识别。对比实验表明,本文给出的基于聚类分析的前方车辆识别算法在目标车辆识别的准确度和抗干扰性方面优于传统的红外面目标图像识别方法。最后在前方目标车辆有效识别的基础上,通过对红外目标车辆尾部特征的分析,给出一种红外目标车辆测距特征点的提取方法,并结合红外热像仪单目视觉测距几何模型,给出一种基于测距特征点和单目视觉的前方车辆被动测距方法。不同道路场景下的车辆识别情况对比实验结果表明,本文基于聚类分析的前方车辆识别算法在简单公路场景且车辆较少时有较高的识别精度。