近年来人们的安全驾驶意识在增强，迫切需要一种汽车防碰撞预警系统来减少交通事故的发生。汽车防碰撞预警系统中的关键技术即是对道路前方车辆目标的检测跟踪与识别。图像处理技术发展迅速，将其应用于汽车防碰撞预警系统中，是当下的理论研究热点问题，同时也具有重要的现实意义。为了实现汽车防碰撞预警系统中对车辆的检测、跟踪与识别，图像处理算法必须满足实时性和鲁棒性的要求，这是一个具有挑战性的课题。难点主要表现在：道路场景背景复杂，且背景是动态的；车辆车型千姿百态，较难找到统一的特征；实际生活中，天气、光照等环境因素对图像质量的影响较大，进而影响图像处理的稳定性；车载的图像处理设备硬件平台，运算能力有限，图像处理算法要求尽可能的简单有效。针对目前车辆检测与跟踪中准确率低以及检测缓慢的现状，本文借鉴人脸检测的经验，结合多领域知识，进行了多方面的探索，将基于VJ的检测模型以及相关滤波跟踪等应用到车辆防碰撞预警系统中，并取得了不错的效果。　　本研究主要内容包括：⑴总结了目前流行的在运动背景下，目标检测和跟踪算法，并对其优缺点进行了分析。主要包括：光流法，基于图像配准的方法，基于机器学习的方法以及基于最小误差的跟踪算法。⑵介绍积分通道特征与Adaboost算法，并将二者应用于车辆检测中。将六个方向的梯度直方图特征、梯度幅值特征和LUV空间中的三色特征结合，组成十个通道的积分通道特征，并且结合了改进的Adaboost算法，实现对车辆的实时检测，检测实验表明检测效果优于传统单一HOG特征检测算法。⑶介绍了KCF跟踪算法原理，将其应有于汽车目标跟踪。对单一尺度下KCF算法进行了分析，指出单一尺度不满足多尺度汽车跟踪；引进了双线性插值算法，实现了多尺度KCF车辆跟踪，达到了不错的效果。