汽车驾驶者精力不集中等原因极易引发交通事故，各国的科研工作者研究了多种方法来解决这一问题。行车障碍检测算法实用性的重要指标之一是其虚警率是否在可以接受的范围内。论文在分析车辆行驶状态、障碍物出现的情况和深入研究基于MPEG运动矢量行车障碍检测算法的基础上，对实际拍摄的行车连续视频进行人工判读，统计了原有算法的检出率和虚警率，得出的实验数据表明：原算法的检出率较高但虚警率也较高。　　 有鉴于此，文中对原有算法的滤除噪声方法和判决规则提出了改进，使其能在检出率和虚警率之间达到平衡。课题提出了利用运动矢量的方向特性来滤除噪声的方法。判决规则的改进是建立在最小风险贝叶斯原理的基础上：通过统计分析与人工判读的手段，可以获得某一路况下运动矢量场中危险运动矢量与非危险运动矢量的先验概率、类条件概率以及门限阈值；利用这些数据，可以计算得出此路况下的判决损失，还可应用贝叶斯公式计算出待分类运动矢量的后验概率；利用后验概率和判决损失可以计算得出待分类运动矢量的两种条件风险，一是判运动矢量属于危险运动矢量的条件风险，二是判运动矢量属于非危险运动矢量的条件风险；比较这两种条件风险，将运动矢量归属于条件风险较小的那一类，以此实现对运动矢量的最优决策。　　 实验方法是应用MATLAB搭建基于风险贝叶斯的MPEG行车障碍检测算法检测平台。该平台能够将行车连续视频流按帧分解成单帧图像，对其进行逐帧分析，从帧图像中提取出行车图像的运动矢量场图。对其中的运动矢量应用检测算法进行检测分类，完成对基于风险贝叶斯的MPEG行车障碍检测算法的实现。　　 论文将改进算法应用于实际路况的视频，实验统计对比了原有算法与改进后算法的检测效果，实验结果表明，改进算法在准确性方面优于原算法。