随着社会经济持续高速发展，汽车的保有量迅速增加，但由此引发的道路交通事故发生率也逐年攀升。车辆行驶安全越来越受到人们的关注。为了避免交通事故的发生,减少人身伤害,降低由交通事故引发的损失程度,全球的汽车生产厂商、经销商、科研院所纷纷投入驾驶员辅助驾驶相关领域的研究。前方车辆检测算法在驾驶员辅助驾驶系统中占有举足轻重的地位。驾驶员辅助驾驶系统中的前方车辆检测算法的目标是，通过在自身车辆中安装的车载摄像头，检测自身车辆周围的其他车辆，当存在与其他的车辆发生可能的碰撞时，及时地提醒驾驶员，最大可能地避免交通事故。本论文旨在研究该系统中所涉及到的前方车辆检测算法。车辆检测算法包含两个步骤：生成车辆假设区域和车辆假设区域验证。在车辆假设区域生成阶段，本文采用的方法是通过提取车辆底部阴影获取候选区域。采用的阴影检测方法是先估计出自身车辆前方的均匀路面区域的灰度均值和标准差，据此得到图像分割阈值，在分割后的图像中确定阴影位置时，将基于阴影类矩形形状特征和基于阴影底部边缘特征两种方法结合起来，并根据确定的阴影位置生成车辆假设区域。在车辆假设区域验证阶段，先通过车辆的边缘对称性特征对假设区域进行初步筛选，然后通过HOG(梯度方向直方图特征)+linear SVM(线性支持向量机)的方法进行验证。通过计算HOG特征，然后用linear SVM训练分类器，最终通过训练出的分类器进行验证。