为了减轻交通拥堵,降低交通事故率,减轻能源消耗所带来的环境污染问题,结合现有的智能车辆(Intelligent Vehicle,IV)技术,本文提出一种新型出行方式——组合车辆出行。其工作原理是每辆智能车将导航数据上传到智能交通网络系统,系统负责调配交通资源,将局部路径相似的智能车组成一个车队。本文所要解决的问题是如何将本车跟局部路径相似的目标车进行组合。主要对前方车辆进行基于计算机视觉的车辆检测、车牌识别、车辆跟踪算法展开研究,具体内容如下:(1)对前方的智能车辆进行车辆检测。首先根据车辆底部阴影区域生成车辆假设区域;然后提取车辆假设区域HSV颜色空间的H分量并生成颜色直方图,并将生成的车辆假设区域与智能车辆模板进行颜色直方图比对,完成对车辆假设区域初步验证;最后采用HOG特征+SVM再次对车辆假设区域进行验证。实验表明,本文算法可以较好的检测出前方智能车辆。(2)对检测到的智能车辆进行车牌识别。为了实现车牌的快速定位,采用基于色差的车牌快速定位方法。针对某些汉字内部笔画相互断开的问题,采用基于轮廓特征与垂直投影相结合的方法对车牌字符进行分割。针对传统的LBP特征对字符的识别率较低的问题,采用改进的LBP特征+模板匹配的方法对车牌字符进行的识别。通过实验验证了本文车牌识别算法具有良好的识别率与识别效率。(3)对检测到的智能车辆进行跟踪。传统的KCF跟踪算法只提取了目标的HOG特征而忽略了目标的颜色信息,本文分别用HOG特征与CN特征独立训练相关滤波器并计算各自候选图像块的响应值,计算响应值的权重确定目标最终的位置,借鉴DSST跟踪算法对目标的尺度进行估计。通过实验验证,本文提出的跟踪算法具有良好的准确性、实时性与鲁棒性。