交通事故频发以及人们对交通方式越来越高的要求使智能交通系统得到了迅速发展,其中智能车辆成为最大的研究热点之一。前方运动车辆的行为认知可以为智能车辆提供实时的道路车辆信息,能够有效地避免交通意外情况的发生,已然成为无人车驾驶技术、辅助安全驾驶等领域的研究重点。为了实现准确地车辆跟踪与车道线识别,本文对一些常用的车辆行为智能识别算法进行了改进,主要贡献如下:1.提出了一种改进的前方目标跟踪方法。改进的方法充分利用了车辆尾部的对称性,有效地去除了交通环境中的干扰信息,并利用金字塔光流改善了对快速目标的跟踪效果。2.利用了一种改进Hough变换的方法实现车道线的检测。在本方法中,通过约束参数来建立动态感兴趣检测区域,在当前帧的基础上对下一帧进行参数约束Hough变换,提高车道线检测算法的准确性和实时性。3.为了便于分析车辆行为,对复杂的交通场景作了限定和建模。根据道路交通标线和车辆与车道线的位置关系,对限定交通场景进行了建模,实现了对前行车辆的保持车道、压线行驶以及车道变更等行为的认知。大量实验结果表明,文中提出的方法能够有效地在限定交通场景中实现对前方车辆的行为识别。