近年来,人工智能发展迅速,传统的汽车行业也在经历智能化变革,越来越多的学者投入到无人驾驶的研究中。在自动驾驶技术中,防碰撞检测是至关重要的部分,有效的防碰撞检测可以避免危险事故的发生。在以往的防碰撞检测系统中,往往将关注点放在运动物体的异常检测上,通过研究发现,在车辆行驶过程中对汽车造成威胁的不只是运动物体,静止物体在一定范围内也会对自车造成威胁。针对此问题,本文对基于车载视频的防碰撞检测技术进行研究。本文将防碰撞检测划分物体检测和物体危险性划分两部分,首先,通过语义分割,对运动物体初始运动模型的计算进行优化;然后,基于运动物体的初始运动模型和图像超像素等信息,构建当前帧基于时间一致性的场景流能量方程,求出当前帧运动物体的标签和运动模型;之后,对基于运动信息、深度信息、语义信息的物体区域进行融合;最后,根据计算自车前方的危险区域和自车行驶区域,对场景中的物体进行危险性分类。本文的研究内容如下:1)给出了一种基于时间一致性的场景流算法。首先,通过深度学习计算场景的初始物体区域;然后,将初始物体区域的中心点作为三维特征点对的聚类中心,对三维特征点对进行聚类,计算出当前帧运动物体的初始运动模型;之后,将前一帧运动物体的运动标签和运动模型输入,计算前一帧运动物体在当前帧和下一帧图像的位置信息;最后,根据前面计算的信息,构建当前帧基于时间一致性的场景流能量方程,利用条件随机场将能量方程最小化,求出当前帧的场景流,并获得当前帧运动物体的标签和相应的运动模型。2)给出一种多信息的物体检测和危险性分类算法。首先,通过计算UV-视差获得图像中的立体物体区域,并使用语义分割网络对图像进行语义分割,获得具有语义信息的物体区域;然后,融合基于运动信息、深度信息和语义信息的物体区域,获得场景最终的物体(静止和运动的物体)区域;之后,根据自车的自运动模型计算自车前方的危险区域,并获得危险区域中的物体。最后,计算车辆行驶区域,并对危险区域中的物体进行危险性分类。3)在上述工作的基础上,设计并实现了一种基于车载视频的防碰撞检测系统。首先,对系统的主要框架和功能进行了详细的说明;然后,基于系统设计给出了系统功能实现;最后对该系统的检测结果进行评估。